车道识别技术作为未来智能交通的重要组成部分,已经在现今的道路安全中起到了举足轻重的作用。其涉及到了现代计算机视觉技术、模式识别技术、自动控制技术。在车道偏离预警系统(Lane departure warning system简称LDWS)、自动驾驶系统中都需要用到车道线检测。该技术能大大减少交通事故的发生,减少人员财产损失。因此对车道识别技术的研究具有重要的意义。文章将对基于机器视觉的车道线识别算法进行研究。当前雾霾天气在中国大部分地区出现越来越频繁,为解决雾霾天气影响采集图像的清晰度问题,文章提出了一种改进的暗通道优先雾霾消除算法,改进该算法中参数大气光值的获取方法,将改进之后的雾霾消除算法运用到车道线检测的预处理过程当中。另外还提出了一种根据车速确定帧数进行模糊化处理的方法,该方法可以在使用最少帧数的情况下对多帧图像做均值处理,使路面间断的车道线变为连续的车道线,方便了后续车道线的识别。为消除图像中的透视效果,文章使用逆透视变换(Inverse Perspective Mapping)将具有透视效果的图像转换成世界坐标的鸟瞰图,使得透视图像中原本左右不平行的车道线转变为平行的线段,简化了以往常见的通过寻找透视消失点、天地分界线等特征来搜寻车道线的方法。文章还改进了自适应二值化处理的步骤,分别在自适应二值化处理前后进行一次中值滤波,改善了滤波效果。车道识别阶段为了防止跨车道误识别,提出了一种基于中轴线的防跨车道识别办法。探究了使用随机一致算法进行非车道区域的消除的方法,获得了干净的车道线图像。最后利用Kalman滤波器根据当前识别出的车道线预测下一帧时车道线的位置,针对预测结果可能有误的问题,提出了判定预测结果可信度的方法,一定程度上解决了车道线被遮挡时的车道跟踪问题。文章通过实地拍摄道路视频,输入到计算机之后利用MATLAB软件将视频进行逐帧的识别处理,验证本文算法的可行性,探究算法中的最优参数。文章提出的算法在一定的程度上优化了车道识别算法。