复杂条件下的车路识别是当前智能车辆安全辅助驾驶研究的热点课题,也是交通领域面临的共性难题。本文针对复杂条件下的道路环境,将多种成像方式引入传统的车道线检测技术,探索更为实时有效、适应性更强、鲁棒性更高的车道识别算法,构建新的车路视觉感知与识别系统。本文首先介绍了课题研究所需的图像采集系统,并列举了图像处理所运用的主要理论基础。其次对多种复杂条件下的道路路况进行分类分析,根据其图像细节特性,探求相应的解决方案。再紧接着通过研究道路结构基本特征和设计规范,结合道路平面线形结构的视觉成像特点,构建道路车道线直道-弯道数学模型。对于近视野直道,本文提出改进的Hough变换直线检测算法,提高了车道线检测识别的准确率,时间较传统Hough变换遍历全图检测大为缩短。对于远视野弯道车道,提出了一种新的弯道车道线识别算法:利用区域生长原理寻找弯道消失点,结合直道车道线与曲线车道线的相切特性,求解弯道车道线曲线数学模型,从而提取出弯道车道线。最终提取出的道路车道线可包含当前车况、路况详细信息,本文课题对此加以发掘和利用,提取出极具价值的车辆驾驶预警信息。本文的主要成果和创新如下:(1)提出了一种新的车辆偏离检测算法,建立车辆偏离数学模型,实现对当前车辆行驶偏离的判断。(2)设计了一种新的前方路况坡度变化检测算法,在极短时间内,对比当前连续30帧图像斜率与坡度无变化图像斜率的差异,实现对前方路况坡度变化的判断。通过原理校验与结果分析,本文提出的算法能够准确地识别出复杂环境下的道路车道线,并能够准确评估出汽车行驶方向的偏离角度和前方路况的坡度变化,对车辆安全辅助驾驶的研究具有重大意义。