当今社会,随着科技的发展与人们生活水平的提高,汽车数量直线上升,随之造成交通拥堵以及交通事故等一系列问题。智能交通的研究由此应运而生,其中车辆辅助驾驶系统是其研究的主要内容之一,而车道偏离预警系统是辅助驾驶系统研究的关键。车道线快速有效的识别能够保证车道偏离预警系统的实时性与稳定性。本文在研究正常道路环境的车道线识别算法的基础上,同时针对雾霾、弱光照、阴影遮挡等道路情况,提出道路预处理相对应的算法,对多种工况的车道线识别中的算法进行了深入的分析与研究。本文以拍摄到的结构化道路的车道线图像为研究对象,首先对采集到的正常光照下的道路图像进行预处理:灰度化、滤波增强以及边缘特征检测。其次,对于雾霾天气的道路图像,针对传统的灰度直方图均衡的方法,本文采用Retinex算法进行图像增强;弱光照或者阴影遮挡情况下车道标志线与路面对比度低,采用改进系数翻倍±45?Sobel算子进行边缘提取;若道路被雨水覆盖,道路亮暗不均匀,采用方向可调滤波器处理可对车道线进行增强。当多种工况预处理完成以后,接着对图像进行阈值分割,提取车道线特征,本文主要研究四种阈值分割算法,通过实验对比分割效果,最后利用Hough变换识别拟合多种工况下的车道标志线,并且利用序列图像之间的相关连续性对道路图像实现跟踪检测,缩小了扫描范围,提高跟踪检测的实时性。实验结果表明,本文算法解决了多工况道路图像的预处理问题,在图像阈值分割过程中,OTSU算法和局部阈值分割算法也取得了很好的实验效果,在车道线检测识别阶段,Hough变换能够准确拟合多种工况下的车道标志线,有很强的鲁棒性,最终设定动态感兴趣区域进行车道标志线的跟踪,即对车道偏离预警系统研究做了十分重要的前期处理工作。