随着21世纪信息技术的高速发展,智能技术越来越渗透人类的生活。智能车自动驾驶系统的开发也随着人工智能技术的发展成为了研究开发的热点。在依靠智能车辆视觉导航系统实现的智能驾驶系统中,计算机视觉负责完成道路的识别和跟踪,是最为关键的技术。在智能车自动驾驶系统中,计算机视觉的研究可分为基于单目、双目和多目视觉导航技术。本文在智能车自动驾驶系统的发展和车道线识别技术的研究基础上,结合真实道路的路况信息,实现了一套多目视觉车道线识别方法及其原型系统。具体研究成果如下:(1)提出一种基于道路模型和灰度特征相结合的车道线检测和跟踪算法。针对目前车道线识别方法复杂度高、准确性差的问题,本文提出借助霍夫变换进行道路线提取,并结合实际道路的特点,采用道路灰度特征与道路直线模型约束车道线的检测,最终实现车道的准确定位与动态跟踪。(2)提出一种基于多目视觉的多车道线融合方法。针对单目车道线识别方法鲁棒性差的问题,本文提出借助多个摄像头中提取的可用车道线和坐标转换方法,融合出适合车辆行驶的参考车道线,进而防止部分摄像头失效导致的系统不稳定问题。(3)设计一套多车道线融合的道路识别仿真系统及其在达芬奇平台上的移植方案。为了验证所设计方法的有效性,运用EMCV和嵌入式DSP技术完成车道识别检测算法在达芬奇平台上的移植。最后,根据系统实时性要求,结合达芬奇平台的特点,对车道识别方法进行优化,使其在对前方道路进行可靠提取的前提下达到较高的效率。本文在城市环境下采集了多种结构化道路视频,并对系统进行了全面测试,测试结果表明,本文系统稳定、准确,可以达到较好的实验效果。