随着经济社会的快速发展,交通运输行业在经济生活中的重要性更加突显,汽车成为经济活动和人们生活中必要的工具。机动车保有量的快速增加导致拥堵、事故频发等问题日渐严重。安全驾驶辅助技术是自动驾驶技术的基础,也是解决交通问题的重要技术手段。路面标线作为路面上最主要的交通标识,对路面标线的利用是安全驾驶辅助技术的主要手段之一。安全驾驶辅助技术中的车道偏离辅助、智能自适应巡航等技术也是建立在对路面标线检测和识别的基础之上的。因此,继续的提高路面标线识别算法的准确性、实时性和鲁棒性是安全驾驶辅助技术乃至无人驾驶应用中的重要问题。本文的主要内容是研究单目机器视觉检测和跟踪路面标线的算法。目的是提高检测的准确性、实时性。首先,在图像的预处理模块中,分别研究分析了图像预处理的各个步骤中不同算法的原理及其优缺点,并重点对边缘检测算法进行了研究,同时根据Canny边缘检测算法的步骤,改进了Canny算法,优化了其高低阈值的求取方法,不必人工设置,能够根据图像灰度分布自动计算,从图像测试结果来看,能够提高算法的环境适应能力,在环境复杂、亮度变化等情况下对比原始算法有更佳的检测效果。给出了一个当前条件下的优化的算法流程:感兴趣区域分割、加权平均法灰度化、高斯平滑滤波以及改进Canny边缘检测,这样的图像预处理流程有效地排除了一些噪声干扰,为后续算法提供较好的基础。然后,在路面标线检测部分,针对传统算法在复杂路况下容易误检的缺点,根据道路图像的特点和路面标线的特殊性,在概率霍夫变换的基础上,进行了多种条件限制,改进了霍夫变换检测路面标线的算法,并使用本地采集的同一道路图像数据集进行测试,结果表明改进算法对比优化参数的标准算法在准确率上提升了12%。最后,在路面标线跟踪部分,简要介绍和分析了常见跟踪算法,并使用卡尔曼滤波跟踪算法实现对路面标线的跟踪检测,通过对已建立的路面标线模型参数的预测和更新,建立动态的精细化ROI,使得检测算法的速度提升了17.9%,提高了算法的实时性和鲁棒性。