视觉导航是目前车辆辅助驾驶和无人驾驶系统中的主流技术之一,具有信号探测范围广、环境信息完整、价格便宜、符合人类感知方式等优点。本文针对车辆视觉导航中车道检测这一关键技术进行了深入研究,旨在开发出一套能够适用于高速公路中无人驾驶车辆导航的车道检测方法,主要研究内容如下：探讨了图像预处理方法,寻求一种能够有效抵抗光照、雨雾等因素,并且能够消除冗余信息、突出车道有效信息的道路图像预处理方法。总结和分析了目前研究中建立的车道模型和相关假设,对假设中的消失点计算方法进行了讨论,提出了一种基于摄像机参数的快速定位消失点和消失线的离线计算方法,并在车道检测过程中根据车道检测结果更新消失点位置,通过消失点估计被部分遮挡的车道线。提出了一种基于路面分割和概率Hough变换的车道检测方法,该方法先分割路面区域,再在路面感兴趣区域进行车道检测。其中,基于颜色的路面分割方法使用三角形区域的颜色特征提取和连通域像素统计完成了路面分割,适用于高速公路和乡村公路的路面检测；在概率Hough变换中粗量化了参数空间,并引入车道线总长阈值,有效解决了由于连续的车道边缘像素不足而造成的漏检问题。针对车道分割的要求,提出了一种基于车道线线型判定的车道分割方法,该方法根据虚线型车道线是分割高速公路各车道的关键信息这一特点,在车道检测结果的基础上,通过统计方法计算车道分段数,识别虚线型车道线,完成高速公路中的车道分割。实验表明,本文的方法有效解决了车道检测过程中的若干问题,具有较好的实时性和鲁棒性。