视觉导航是智能车辆导航中的关键技术之一,本文针对智能车辆视觉导航系统研究了基于图像检测的车道线识别算法。文章以OMAP3530为控制板,对基于单目视觉的车道线识别算法进行研究。利用外接的CMOS摄像头采集道路图像,运用图像处理技术完成车道线的检测与提取,进一步为视觉导航决策提供依据。依据车道线识别系统的实时性、可靠性和稳定性要求,本文研究了OMAP3530架构下ARM端的嵌入式Linux系统的设计和视频图像采集模块,DSP端车道线识别算法及ARM核与DSP核的通信机制DSP/BIOS Link等,设计了基于OMAP3530的车道线识别的解决方案。重点研究了OMAP系列微处理器ARM端嵌入式Linux系统各个组成模块,包括MLO,uboot,kernel、文件系统及USB视频设备驱动模块,基于V4L2的视频图像采集模块,并将它们移植到OMAP3530平台上,提高了系统的实时性和反应能力。设计的视频图像采集模块可以实时的采集出BMP和YUV两种格式的图片。研究了视觉导航中的车道线识别算法。处理流程包括图像灰度化、图像滤波、图像边缘增强、图像边缘检测,最后进行车道线提取,得到了清晰的车道线。然后将该识别算法应用到结构化道路上,得到了预期的效果。试验结果表明,本算法可以保证车道线识别的准确性、实时性和鲁棒性,能够满足实际需要。