随着汽车数量迅速提升,交通事故和道路拥堵面临更艰巨的挑战。研发高效、安全、舒适的无人驾驶智能车受到国内外学者和企业的广泛关注。其中基于视觉的环境感知技术是实现无人车智能驾驶的关键技术。车道线检测与跟踪又是智能车正确识别道路可行驶区域的必备功能。因此,能否实时地利用视觉传感器感知道路环境,并准确检测及跟踪车道线,是计算无人驾驶智能车可行驶区域的前提条件。本文基于视觉传感器,围绕如何准确实时的实现复杂路况下结构化道路车道线的检测与跟踪算法,展开了研究与测试,主要研究内容如下：首先进行预处理,获取图像中道路真实位置信息,将采集得到的图像数据做简化处理,从而提高车道线检测与跟踪算法准确性和实时性。其次对道路图像车道线检测与跟踪,检测算法首先提取车道标志线正负边缘点,再基于Hough变换的投票机制提取边缘线段,并通过线段约束,匹配边缘线段和车道标志线,实现车道线检测。跟踪算法是基于滤波预测与更新车道线模型状态参数,从而跟踪车道线轨迹,拟合当前车道线。最后,针对视觉传感器自身限制,通过车道线跟踪预测车道线模型参数,结合高精度地图中车道线先验模型参数,自适应调整算法。本文通过智能车对算法性能进行了大量现场实测,现场实测场景包含各种复杂路况下的结构化道路。现场实测结果表明,本文车道线检测与跟踪算法对天气光照变化、车辆遮挡、地面噪声等不同道路环境都准确检测出车道线,算法的实时性和鲁棒性也满足算法性能评价体系的各项指标,较符合智能车对车道线检测的要求。