对增加道路安全和减少交通事故的迫切需求促使高级驾驶辅助系统(ADAS)技术的快速发展。如强制安全带的使用率，降低限速，安全气囊和侧振动带等一系列更严格的车辆安全要有，则有助于减少事故和死亡人数。　　车道感知和道路检测是至关重要的，其中的一些应用，如车道偏离警告系统(LDWS)和车道保持系统，能够体现它们的重要性。ADAS是一种用于例如车道偏离警告系统，其任务是为四级提高即(將)变道的安全性。因此，一个强大的和高效率的车道探测系统是实现这种任务的关键。显然自动车道检测对自动交通和安全驾驶来说是至关重要的，但是它在复杂的路况、光照变化和视图变化情况下是一项非常具有挑战性的任务。　　本文的目的是介绍，开发和分析一个能够利用车辆上的摄像头自动准确判断和识别路面和车道的视觉系统。本文主要是利用图像处理技术的形成一个单一的朝向前方的摄像头车道检测的方法。本文提出的框架能够运用合适的算法对结构化和非结构化等不同类型的道路进行检测。对于结构化的道路，可以利用稳健特征提取和跟踪方法进行车道检测。实验结果证明了算法在复杂车道标记估计和非结构化路面检测的稳定性。　　最后，我们通过本研究的几个较有价值的创新点，讨论的今后的研究研究方向以及对本文进行总结。　　基于视觉的通道检测是自动车辆辅助系统的重要组成部分，因为车道在安全和高效旅游中非常重要。本文介绍了几种用于道路/通道检测的方法，每种方法和算法都有自己的优缺点。本文结尾，在可用的硬件和该领域的环境下选择实现合适的结果。建立一个可以准确地估计车道的几何形状和具有应用价值的陆上旅行的道路网络的系统，并且可以集成到全自动车辆或车辆安全系统中。到目前为止，许多研究人员已经开发出不同条件下的许多不同算法，使得智能交通系统更加强大和可靠。　　无论光照和道路状况变化的另一种高效车道检测和跟踪算法在第2章中描述。在这章中，为了在夜间道路和白天场景中检测过程的稳健性，本文使用了基于适应性和自然的图像增强技术的方法。车道检测方法包括了车道标线提取方法、车道模型拟合和车道跟踪，所有这些在本章进行详细的描述。该算法已经在白天和晚上收集的数据集上进行了测试，证明其鲁棒性。无论道路的光照情况，在现实世界中增加驾驶员的安全是至关重要的。　　并非所有道路的类型具有设计清晰和可见车道标线的结构。以城市道路为例，有完全没有车道标线的道路。然而，为智能运输系统设计的算法可以处理在现实环境中发生的这种情形。在第3章中，介绍了非结构化道路检测中的改进阴影检测去除技术。在道路检测中，阴影是一个关键问题，因为阴影边界可能被错误地识别或简单地阻碍道路检测进程导致较高的误检测率。首先，使用归一化方差指数和基于Otsu的阈值法检测阴影。在图像的预处理步骤进行阴影去除之后，估计道路的光照不变和计算道路概率图，来决定每个像素是否属于路表面。最后，进行了大量的实验表明了该方法的有效性。　　后来我们介绍了用改进的均值漂移分割和动态区域合并的方法对非结构化道路边界检测的总体框架。在本章中，展示了检测非结构化道路的不同方法。该方法是基于均值漂移分割和区域合并。输入道路图像是采用改进的均值漂移分割技术的分割图，该技术可以把场景分成区域。最终的分割由均值漂移分割算法分割的区域自动合并得到。这是通过使用一种新颖基于区域合并的最大相似性技术得到的，从而确保了自适应和鲁棒的合并过程，且在不设置相似度阈值需要的提前下有效地提取出道路区域。如果所有与Q的相邻区域之间的相似性最高为R，区域R被合并到邻近区域Q。还使用不同类型的非结构化道路图像进行了定性和定量实验还表明了该技术的性能和效率。　　车道偏离预警系统的实现是第5章的主要部分。先进驾驶辅助系统在很大程度上依赖于车道线检测，即车道偏离预警系统。它描述了用于估计检测车辆任一侧上离车道标记的距离过程。本文使用真实世界的数据（视频剪辑）意味着结果可以实施在线车道偏离警示系统中。　　在本论文中提出的所有算法和结果的角度来看，毫无疑问的我们已经开发了在不同场景的车道或道路检测中更加稳健的启发式算法。我们的方法降低了复杂性，严格基于视觉，没有使用其他传感器的任何数据，也容易在任何嘈杂的环境中实现。然而，介绍的算法仍然有改进的空间。这是我在该领域未来的工作和研究中的建议。　　至于未来可能的工作，我们建议通过引入例如提前特征选择和分类，改进的车道跟踪算法，新的软件工具箱等进行可能的提高。本论文中，提出了一些最新的车道线检测算法。然而，仍然有余地进一步提高研究工作，从而提出更好的改进和鲁棒性的算法。　　首先，该算法已经在不同的编程平台上实现，如基于OpenCV，Matlab与C/C++。将来的一个任务是(將)这些算法变换成高速算法和满足实时应用需求于一身的软件开发环境。　　本文使用的车道跟踪算法具有粒子或卡尔曼滤波适应问题的所有好处，但也有一些缺点。离群点的检测和消除，这可能是车道标线，也可能会导致估计发散。在这种情况下，多假设跟踪器(將)非常适用于处理这些情况。　　相位一致性与Sobel算子，Canny算子，harr等相比被证明是一个更好的边缘过滤器，可以作为未来增强算法来提取道路特征。　　即使在车道线检测的主题中，还是有很多工作要做。例如特征选择，在某些情况下仍然具有较高的假正率和错过了许多重要的车道标线。包括褪色车道涂料，侵蚀路缘石，和道路上其他车辆的存在遮挡了车道标线。一种改进的或未来的研究方向可能考虑车道没有标记或其他车辆阻碍或天气状况（雪，水等），特别是在交通繁忙的情况下车辆可能自发组织成车道等情况。　　至于车道偏离检测与预警，基于图像采集系统的双摄像头研究可以重点对车辆位置进一步探讨，以获得更有意义的信息也帮助避免图像采集过程中可能的震动和摆动。