智能交通系统(Intelligent Transportation System, ITS)的主要内容是检测汽车驾驶环境,其中道路检测是ITS的关键技术之一.车道标识线作为道路的基本约束,能够用于估计自车前进方向和自车定位,并且可提供路面车道信息,其检测与跟踪在基于视觉的智能交通系统中是必不可少的.现存的基于视觉的车道检测和跟踪算法,多数用于高速公路上车辆的自主导航,无法解决特殊的道路状况,如高速公路出口、双车道标识线等,并且算法的初始约束条件假设较多,如自车初始位置与车道的一部分平行,初始图像中除了车道标识线外没有其他线形结构干扰,但现实很难达到如此理想的初始环境.本文首先分析了基于视觉的车道标识线检测与跟踪算法的研究现状,通过对比各种算法,阐述了现存车道标识线的检测与跟踪算法存在的问题.其次,提出了基于置信度度量的车道标识线检测算法,通过边缘点检测得到车道标识线的边缘,用车道方向估计方法去除不可能是车道标识线的边缘线,并建立融合多帧检测结果的有限状态机,实现了车道标识线的状态判定,能够及时地停止对消失车道标识线的检测与跟踪.再次,根据粒子滤波理论,提出了基于CONDENSATION算法的车道标识线跟踪算法,依据车道标识线的先验知识,建立相应的状态转移模型和观测更新模型,得到描述车道标识线的状态的后验概率估计,并采用分割采样等方法将算法性能加以改进,提高了跟踪的准确性和可靠性.最后在不同条件下进行算法评估,包括不同的光照条件、天气条件和道路状况,都能够达到较高的识别率,评估结果证明了算法的有效性和鲁棒性.算法的实时频率为30Hz.