近年来,随着公路建设的发展和汽车的普及,给人类带来了极大的便利,创造了可观的经济效益。但是交通安全问题也面临着严峻的挑战,其影响不容忽视。车辆智能辅助驾驶系统作为行车安全的重要保障,以警报或偏离警告的方式指导司机安全驾驶,在即将发生碰撞或偏离车道时,避免事故的发生。其中车道线检测和跟踪作为安全智能辅助系统中的重要组成部分,有着重要的研究价值和意义。本文主要围绕车道线检测和跟踪进行深入分析和研究。论文介绍并分析了国内外车道线检测和跟踪算法的研究现状。在现有车道线检测技术的基础上,本文根据我国结构化公路特性分别研究了直车道线检测方法和弯曲车道线检测方法。在机器视觉导航中,车道线检测要求实时性好,道路定位准确性高,因此将跟踪算法加入辅助驾驶系统中有着重要的意义与价值。通过研究国内外智能车辆系统的各种算法,本文主要针对下面两部分展开论述。在车道线检测方面,为了去除对车道线检测无用的冗余信息,精确地提取出车道线,需要对视觉传感器所采集到的图像进行预处理,且对每一步预处理的算法进行仿真对比,选取出效果最好的算子。首先,为了使检测结果更精准,更符合要求,本文将改进的概率Hough变换算法(PPHT)与逆透视变换算法相结合用于车道线的检测。然后通过仿真与传统Hough变换算法对比,证实了该算法具有较强的适用性,有较好的检测效果。在弯道检测算法中,本文研究了三种拟合方法,分别是最小二乘法、贝塞尔曲线法、Catmull-Rom样条曲线法。其中CatMull-Rom样条曲线模型能够在直线模型不够贴合弯道的情况下获得较好的检测效果,通过该算法对曲线进行拟合,达到了弯道检测效果。在车道线跟踪方面,分析了三种跟踪算法,采用带有跟踪器的检测算法在实时性和鲁棒性有很大提升。通过初始帧检测车道线,记录其信息并进行校正评估,预测下一帧位置,经过“估计-校正-预测”的周期往复,实现了车道线的跟踪。然后,检测车道线并拟合,达到跟踪车道线的目的。本文主要研究的背景环境是高速,城市等结构化道路,应用Kalman滤波器跟踪车道线,不仅能够达到跟踪目的,而且提升了检测结果的准确性。最后本文提出一种图像裁剪比例,选取合适裁剪比例图像,跟踪算法在鲁棒性和实时性上有很大的提升