随着国民经济的快速发展，汽车的数量也随之迅速增加。然而于此同时，人、车、路之间的矛盾也日益加深。为了解决这一矛盾，智能交通系统(ITS)概念就应运而生。本文选取智能交通系统(ITS)中最为关键问题之一的车道线检测作为研究对象。本文针对结构化道路图像中车道线检测所要面对的问题，提出了基于特征的两种不同检测算法。1.基于边缘检测与类内最小方差法相结合的算法来进行对车道线的检测。该方法可以快速有效的检测不同情况下的直车道线。其主要思想是直车道线上各像素点的梯度幅值与梯度方向角内类方差最小。该算法首先利用边缘检测方法计算出边缘像素点的梯度幅值和梯度方向角，得到道路图像的边缘；然后将二值化处理过的边缘图像进行连通域的标记；在提取直车道线时，利用类内最小方差法计算各个连通域边界上点的梯度方向角最小方差，最后设定阈值分离出直线车道线，达到车道线检测的目的。2.基于改进的K均值聚类算法和自定义边缘检测相融合的方法来检测车道线。该方法可以有效克服光照不均，雨雪天气等的影响。首先利用平滑直方图方法确定K均值聚类数目K，使得车道线能够被准确的聚为相同类，再将用自定义算子提取的图像边缘与聚类图像进行融合，充分利用了车道线的边缘特征，得到了车道线区域。通过经典提取直线方法Hough变换就能准确定位车道线，完成车道线的检测。最后，通过对两种检测算法进行了大量仿真实验，证实了上述两种算法的有效性。