车道线检测是车辆先进驾驶辅助系统中不可或缺的关键环节。目前,基于视觉的车道线检测方法多基于单一前视摄像头,虽然在常见的畅通路段下能满足车道线检测的要求,但在复杂的拥堵道路环境下却无法获得良好的检测效果。因此,探求一种能适用于多类实际路况的车道线检测方法,对于实际道路环境下的整体检测正确率的提高具有重要意义。本文针对传统检测方法的不足,提出一种基于多目视觉的车道线检测方法,采用安装在车辆前方及两侧后视镜的摄像头同步采集和检测道路图像,通过多摄像头的信息融合得到最终的车道线结果,从而减少传统车道线检测方法的漏检与误检。主要工作如下:根据道路特征对道路图像进行了预处理。针对传统划分道路图像感兴趣区域方法的不足,提出一种综合整体图像信息的改进划分方法,以提高划分的准确性。进行灰度化处理并对受到较强光照影响的俯视摄像头采集的道路图像进行对比度增强处理。通过分析各类滤波方法并详细对比其在车道线检测方面的效果,最终采用4X4中值滤波。采用OSTU阈值分割并采用Canny算法进行边缘检测。对预处理后的道路图像进行多摄像头的车道线检测与融合。基于RANSAC算法通过样条曲线拟合获取前视图像中的车道线信息,对俯视图像通过改进Hough变换获取车道线信息。设定前视图像置信判定依据,根据判定结果采用俯视图像检测的车道线信息通过坐标系间相互转化关系补充至前视道路图像上,从而实现多摄像头的信息融合,进而达到辅助驾驶的目的。该方法符合实际路况需求,具有良好的实用性。实车实验采集了多类路况下的行驶视频,通过对转换得到的大量道路图像的整理和数据分析验证了所使用的基于多目视觉的车道线检测方法能够满足实时性要求,而且有效地提高了整体路段车道线检测的正确率。