面对日益严重的交通堵塞、环境污染、交通事故等关键交通问题,智能汽车的发展和技术提升需求变得尤为迫切。智能汽车能够在传统汽车具备的人为驾驶功能的基础上,通过各种控制与执行机构、传感器硬件等装置,结合先进的感知算法,使得汽车能够智能地感知周围的交通环境,且能够将感知到的信息实时地反馈到汽车自身,分析判断汽车驾驶状态,从而在无人为干预下智能地做出汽车驾驶过程中的各种决策,以此来避免上述交通问题的发生。而车道线作为智能汽车感知周围环境并作出驾驶决策的重要依据,其检测技术是智能汽车众多技术中的关键之一。因此,本论文在智能汽车和车道线检测技术不断发展进步的大背景下,研究基于单目视觉的智能微型车车道线检测技术。本文的工作内容可主要归纳为以下几个方面:第一章介绍并阐述了论文的背景和意义,并分析了智能车与车道线检测技术的研究现状,在此基础上,提出了论文的研究内容与总体框架。第二章介绍了自主搭建的智能微型车硬件系统的组成与工作原理,详细说明了智能微型车的硬件设计内容,并对基于CAN总线的通信网络进行设计,上位机软件通过Visual Studio2010开发实现。第三章研究并使用了单目视觉技术,设计了车道线特征提取的方案,开展了使用灰度化、Sobel算子边缘提取与正负极值点提取方法的图像预处理过程,并结合逆透视变换结果,重点研究了基于车道线宽度与车道线连续性等先验信息的车道线特征的创新提取方法,从而大幅过滤车道线检测的干扰噪声。第四章对比分析了直线检测方法的不足与缺点,分析提出了基于RANSAC的改进算法,提高模型拟合适应性与计算效率。将本文的车道线检测算法在仿真环境和城市道路中进行不同工况下的实验测试,实验结果表明本文算法出色的有效性与鲁棒性。第五章对论文所做的工作进行总结,并对后续研究进行展望。