伴随着世界经济的发展,人们生活水平的提高,人们对生活质量的要求也越来越高,随着人们对汽车的拥有量的不断提高,道路上汽车数量的不断增多,交通事故的发生率逐渐增长,因此,为了让驾驶者能更加安全行驶在道路上,研究以预防为主的主动性安全技术尤为重要,其中,基于机器视觉的车道检测系统研究成为目前车辆辅助驾驶研究的热点课题,也是“智能交通系统”(ITS)研究中的一个重要组成部分。机器视觉技术作为一个多学科交叉技术,用计算机来模拟人的视觉功能,它不仅起到代替人眼而且还有人脑的功能,它采用图像传感器实现对车辆前方的道路环境进行实时监测。它可以在检测车道线同时检测道路上的障碍物,还可以实现交通监控,最重要的是采用机器视觉实现车道检测技术成熟、成本低廉、性能可靠、安装方便简单并能够普及,这可以大大降低事故发生的可能性,对于车道检测系统的研究有着一定的现实意义。本文研究基于机器视觉的车道检测系统,该系统是以安全性为基础的车辆辅助驾驶研究中不可缺少的组成部分,也是为实现交通智能化的前提,主要是为保障车辆在道路上的正确行驶,避免交通事故的产生。本文以CCD摄像机作为图像采集传感器、以基于机器视觉图像处理算法为算法、以嵌入式DSP为硬件平台的车道检测系统。基于机器视觉的车道检测系统不仅适用于直线性道路也适用于曲线性道路以及多标示线性道路,文中采用的所有算法都进行了实验验证。本课题是我校同奇瑞汽车研究院合作研究的项目,为系统研究提供了可行性和实用性。文章首先是分析了摄像机标定的方法,然后针对本课题所使用的CCD摄像机,制定了一种高精度的标定方法对摄像机进行标定,建立图像与目标空间的相互关系,实现三维图像的恢复与重建。由于道路环境多变,道路图像易受外界环境的影响,图像在采集和传输过程中会造成图像质量的下降。因此,我们要对图像进行一系列的处理,在这里我们采用一种高效的中值滤波方法,减少算法的时间复杂度,提高算法的时效性,其次,在基于车道线检测算法部分,提出了一种新的感兴趣区域的设置方法,进一步增加影像的处理速度,减少影像处理算法的误判率。同时采用线性抛物线模型的车道模型,并通过对传统Hough变换的分析,提出一种基于梯度的Hough变换算法。在跟踪阶段,对现有的跟踪算法进行分析,结合车道模型,采用Kalman滤波对车道线进行跟踪,同时利用Kalman滤波更新车道模型。最后,本文将整个系统移植到DSP平台上进行了实验验证,实验结果证明了该系统的可行性和有效性,并且达到了实时性要求。