在车辆导航系统中，视觉传感器获得道路环境信息后，系统能够进行分析处理，最终实现智能决策，辅助驾驶员控制车辆，可以一定程度避免事故的发生，保证车辆和行人的安全。道路可以分为结构化和非结构化两类。当车辆导航采用视觉技术时，本文针对结构化道路提出了其具体检测方法。由于车道线是道路最明显的特征，本文通过提取车道线实现道路的检测。在视觉导航中，道路检测要求实时性好，道路定位要求准确性高。基于以往检测方法，本文做出了一些改进，可为汽车辅助驾驶系统的深入研究奠定基础。对于直车道检测，先将采集到的图像完成预处理，包括灰度化、中值滤波、边缘检测与二值化。在保留图像细节不丢失有用信息的情况下，采用加权平均法将图像灰度化；应用中值滤波法滤除噪声；应用边缘检测找到车道线边缘；应用大津阈值法将图像二值化。然后，在预处理后的图像中确定感兴趣区域；利用概率霍夫变换检测出直线；利用最小二乘法将直线在原图中拟合出来。对于弯车道检测，将图像分为近景和远景两部分。应用分段直线方法，在一定程度上提高了算法的适用性。先进行预处理，确定各部分感兴趣区域，检测并拟合出直线。然后，应用拟合参数计算各部分直线的交点。通过直线斜率和两个交点在水平轴投影关系，判断出道路弯曲方向。对于道路跟踪，应用Kalman滤波跟踪车道线。初始帧检测车道线，记录其信息，预测下帧其位置。系统不断更新，确定动态变化的感兴趣区域。然后，检测车道线并拟合。求出两车道线的交点及其与感兴趣区域的交点。通过这些参数就可在原图中拟合出车道线。采用跟踪技术的算法，提高了检测的准确性。对于车道偏离预警，采用结合图像信息、道路信息和摄像机参数的CCP方法。利用左右道路线的几何量、摄像机参数和标定量，计算出车的当前参数，从而实现车道的偏离预警。