随着社会的进步和公路交通系统的飞速发展，交通安全已成为越来越重要的社会问题。道路交通系统不断涌现出的诸多问题，使得智能交通系统（IntelligentTransport System，简称ITS）得到了广泛关注。智能车辆是ITS的重要组成部分，是集环境感知、规划决策和辅助驾驶等功能于一体的综合智能系统，代表了未来车辆的发展方向，具有广阔的应用前景。本文主要研究了智能车辆环境感知系统中的关键技术——车道线检测技术与道路区域搜索技术，包括图像边缘检测、直线提取、数据筛选与跟踪、漫水填充算法、轮廓搜索与目标跟踪。本文以北京工业大学电动汽车BJUT-SHEV为硬件平台，建立基于单目视觉的软件综合实验平台，验证了所研究算法的有效性。首先，在实验室在车道线检测的技术经验基础上，以视频流为实验对象，提出了Hough直线数据的筛选算法。分析道路路景信息，根据Hough提取直线的特点，建立相适应的筛选参数与跟踪环节。算法保持历史结果，经内部算法推荐出优选参数，以排除出现的随机干扰与检测错误。其次，为了解决智能车辆在无车道线指导信息的情况下的导航定位问题，本文继而提出了道路区域搜索技术。利用道路区域的灰度特点，首先使用漫水填充算法提取道路区域。针对道路边缘往往不规则的特点，本文采用mean-shift均值漂移目标跟踪算法，通过多帧图像拟合的方式，排除异常搜索数据，达到抑制噪声的目的。最后，本视觉终端实现了与车载规划决策计算机的网络通信功能。通过研究摄像头的透视模型，建立了摄像头投影坐标系与智能车车身坐标系的转换关系。将处理获取的数据转换为规划决策计算机可以直接使用和理解的数据，并通过自主开发的通信终端与协议实现视觉终端与规划决策计算机之间的信息交互。为了提高现场实验的效率和提供统一实验环境，本文开发了车载视觉综合实验平台。该实验平台提供了多种调试和实验功能，提供了软件和硬件的接口。通过大量的现场实验，对算法的各个环节进行了考察和验证。