基于视觉的车道检测技术是实现汽车安全辅助驾驶和自动驾驶的基础，也是现国内外智能车辆领域的研究热点。本文主要研究高速公路环境下的车道检测技术，进行了理论分析和实验仿真，验证了算法的鲁棒性、实时性。通过对比改进，设计一种既能有效去除无用噪声，又能突出车道特征信息的图像预处理方法。该方法包括：灰度化，改进的中值滤波，对比度增强。针对区域生长法处理速度慢，种子选择随机性大等缺点，提出了一种基于菱形搜索的区域生长法。首先研究了光照污渍等因素对道路图像的影响、车载投影原理，通过利用以上先验知识改进了区域生长法，提高了分割处理的速度和准确性，接着使用改进后的区域生长法分割出有效的道路区域，最后通过融合Sobel边缘检测的数据，实现车道线特征点集合的准确提取。最后，采用直线模型、道路特征一致性假设来简化道路模型。为了解决车道拟合中由于边缘破损、阴影遮挡而造成的漏检问题，使用形态学闭运算和概率霍夫变换提取直线。整个车道检测算法的在VC仿真平台上进行测试，同时引用OPENCV视觉库，对道路图像序列进行处理分析，并验证理论分析结果的有效性。实验表明，算法有效解决了车道检测中的抗光照抗阴影等问题，能够满足车载系统的实时性和鲁棒性要求。