近年来,随着世界经济的发展,现有的道路运输系统已不能满足需要。各国政府和研究机构将大量精力投入到智能交通系统的研究。其中汽车辅助驾驶和自主导航是智能交通系统的关键技术。基于视觉的道路检测技术是智能车辆导航方法的研究热点之一。经过多年的发展,基于视觉的道路检测技术已经有了很大的进步。目前,国内外已有很多视觉导航系统,但在系统的实时性、鲁棒性和实用性方面尚不能满足人们的要求。本文首先对结构化道路检测技术的研究中所涉及到的图像处理和目标识别方法做了深入的研究和分析,介绍了图像底层处理的基本原理及方法,并且说明了各种方法的特点。其次,对结构化道路图像的底层处理进行了分析。通过分析摄像机模型,本文给出了一种逆透视变换方法。利用逆透视变换方法消除了图像透视效果,这样为之后的道路图像底层处理提供了一个良好的基础。根据逆透视变换图片的标志线特征和投影后图像质量特点,本文给出了道路标志线模板增强方法和分段阈值化处理方法。接下来,本文分析了道路模型,采用了Hough变换对结构化道路标志线进行拟合。并且提出了Hough变换拟合的改进方法。利用优化的阈值分割图像和概率Hough变换提高了拟合速度,利用最小二乘法提高了拟合效果。通过Hough变换结合最小二乘法的方法进行道路拟合,从而摆脱了固定道路模板的束缚,使得该算法对道路的适应能力大大提高,提高了算法的鲁棒性。在论文的最后,通过建立仿真实验环境对算法进行了检验。经过实验,分析了各种环境下的算法执行结果,证明了上述算法的有效性和可靠性。并且分析了算法中的函数,对函数进行了优化,使算法所需要的时间大大缩短,为之后算法在嵌入式系统上的移植提供了一个良好的基础。