近年,智能车技术成为很多学科领域的研究热点,吸引了众多学者的研究兴趣。基于视觉的导航技术是其研究中的一个突出方向,而基于视觉的导航技术问题的核心则是成功检测道路信息。本论文的工作主要集中在下面几个方面：本文首先介绍了基于视觉的道路检测技术研究背景和意义,阐述了国内外在智能车领域的研究现状,具体分析了基于道路模型和道路特征的两种检测方法。其次,介绍了车载视频图像的预处理算法,包括利用彩色通道方法对RGB图像进行灰度转换,灰度直方图和直方图均衡化,以及用中值滤波方法对图像进行滤波。这里,提出了自定义差分算子来提取道路图像边缘,利用每个像素的八个相邻点,用不同的权值进行求和运算。从实验仿真结果可以看出,自定义差分算子边缘检测效果好于传统的边缘检测算法。同时,采用区域生长法进行区域分割,实现区域特征提取。接着由于区域特征和边缘特征具有互补特性,本文提出将两者特征进行融合,实现道路图像精确分割,并经Hough变换提取直线信息。在此基础上,利用左右车道线的斜率以及夹角关系来实现车道线识别。最后,针对复杂环境条件下的视频图像,进行识别实验。试验结果表明本文所提出方法能够快速准确地识别出车道线,且算法有很好的鲁棒性。