本文针对车辆行驶中的安全问题，研究了一种基于ARM9和嵌入式Linux操作系统的汽车视觉导航车道识别系统。本文设计了系统的硬件平台，选用S3C2440作为处理器，USB接口与前端摄像头连接进行监控图像的采集。采用开源、可裁减，针对嵌入式处理器结构的Linux操作系统作为软件开发平台，研究了Linux内核的移植，文件系统的构建与移植，摄像头驱动的移植。研究了基于视觉的车道线识别算法，对采集到的图像进行处理。结合车道识别系统研究领域很多参考资料，通过分析当下基于图像预处理的车道线识别算法的处理过程，并用实验仿真说明了在复杂道路环境下传统图像预处理算法的局限性，最后提出了基于遗传算法的复杂道路环境下准确识别车道线的算法。用抛物线模型去拟合车道线边界，采用车道线边界与道路面的灰度梯度差特征直接处理灰度图像，增加了识别系统在复杂道路环境下的鲁棒性，也提高系统识别的效率。运用遗传算法的优化搜索能力，对车道线抛物线a、b和c参数进行确定。其中给出了各个参数的感兴趣区的设置范围，缩小遗传算法搜索范围，提高识别准确率和实时性。最后在各种复杂道路工况下通过仿真对车道识别算法进行了验证，满足系统准确性及实时性的要求。为了优化系统性能，提高识别系统的实时性，从shell脚本优化、动态库优化、代码层的优化方面对算法程序进行了优化分析。最后通过MATLAB仿真分析，建立的汽车视觉导航控制系统具有较好的控制性能，能够较好的实现本文所研究的车道线识别算法，控制系统体现出较好的鲁棒性。