随着经济的高速发展,汽车已经成为了当前社会不可或缺的交通运输工具之一。本文从汽车时代的道路交通问题入手,阐述了智能交通系统和V2V技术的发展前景,分析了高精度定位在现代交通中的重要作用。通过了解机器视觉在道路检测方面的研究现状和发展前景,本文提出了一种基于单目视觉的车辆车道级定位系统算法。主要研究内容有以下几项：(1)研究了针对本课题的道路图像预处理方法。通过分析道路标志线特征提出了利用R分量和G分量生成道路灰度图,再根据图像纵向灰度变化确立初始感兴趣区域。在中值滤波的基础上,针对车道线的特征,利用改进的边缘提取算子和迭代阈值分割法得到二值边缘图像,并根据梯度方向提取图像的边缘骨架,最后对移位相减法进行雨天降噪的效果进行了分析。实验证明,上述预处理算法能剔除图像中大量干扰信息,强化车道线边缘特征。(2)研究了前方道路多车道线的检测及车辆初始位置的辨别。在检测前方道路多车道线方面,先利用Hough变换提取出可能车道线,接着在初始直线附近搜索连续边缘,利用最小二乘法进行多边缘的直线拟合,通过参数和位置特征、色彩空间特征以及边缘线性度特征进行了直线筛选,最后保留正确度较高的直线,实验证明该方法降低了误检率。最后通过时间段统计和聚类分析得出前方道路的左车道线数目和右车道线数目,辨别车辆当前所在车道。(3)研究了当前行驶车道道路标志线追踪和车辆变道问题。采用Kalman预测器建立动态感兴趣区域,对道路标志线与水平直线的交点进行实时跟踪。利用车道线的倾角变化监测车道偏离情况,并根据偏移率大小判定车辆是否发生变道。在变道过程中根据平行投影透视模型搜索新的道路车道线感兴趣区域,实现连续的定位跟踪。实验证明该算法同时具备高鲁棒性和实时性。