随着国民经济的发展和汽车保有量的增加,驾驶系统的安全性和方便性越来越受到各界的广泛关注。在车辆安全辅助驾驶系统中,基于单目视觉的环境感知道路识别技术是其重要部分,由于汽车的行驶环境主要在城市道路中,而这种行驶环境又具有多变性,现有的车道线检测系统仍存在鲁棒性和实时性不足的难题,因此需要对检测识别算法进行系统地完善。本研究以TI公司DM6437评估板为核心构建了汽车视觉系统为硬件平台,通过理论分析、仿真和实验,深入研究并设计一套合理的道路识别系统。本文首先对国内外的智能汽车以及车道线检测发展现状作出简单介绍,同时结合国内外的研究成果作出分析,根据实际情况发现存在的难题,提出本研究的背景和目的,并对本研究的具体解决方案做出规划。其次,本文针对汽车的具体行驶情况进行研究分析,设计了一种合理的道路图像处理方法。针对道路图像的特征结构,采用静态划分感兴趣区域以及图像灰度化的方法以减少后续图像处理的数据量。接着对图像进行平滑处理,对常用的中值滤波算法进行优化,在处理效果不变的情况下将算法的处理时间缩短了1/3。同时,在车道线边缘提取部分,对比分析几种常用边缘提取算法的检测效果,在采用最大类间方差(Otsu)法提高目标对象与背景特征差异的检测效果下,使用Canny算子对车道线进行提取,对车道线边缘信息能有较好的保留。在车道线检测及拟合的过程中,针对Hough算法的不足,基于车道线的特征对Hough算法提出改进,在使用卡尔曼滤波器跟踪车道线的情况下,结合Hough变换以及最小二乘法对车道线进行识别,在不影响系统鲁棒性的同时,能较大幅度降低算法处理的数据量,提高算法实时性。最后,将算法移植到DM6437硬件平台,本研究结合DM6437嵌入式系统的架构特点,对软件代码进行了优化,优化方面包括合理分配空间、编译器选项优化、编写汇编代码等,根据硬件系统进一步提高算法实时性。实验结果表明,优化后的算法具有较好的实时性及鲁棒性。