近年来,信息技术、人工智能等领域迅速发展,带动传统汽车制造业纷纷转型,智能化已成为汽车行业发展的必然趋势。汽车智能化的关键在于感知、决策和控制,而汽车环境感知技术是实现车辆路径规划和决策的基础,其中车道线检测技术作为车辆环境感知的重要内容,已成为许多高级辅助驾驶系统的基础。因此,本文对基于CUDA加速的车道线检测算法开展研究。首先,本文面向复杂的城市道路环境,开发了具有良好环境适应性的车道线检测算法,其过程由图像预处理、Canny边缘检测、Hough变换直线检测、车道候选线的筛选以及弯道拟合五个步骤构成。其次,为提高车道线检测的实时性,结合GPU在图像处理领域的最新发展,阐述基于GPU的CUDA编程模型和存储模型,分析CUDA并行优化策略,作为后续并行优化车道线检测算法的基础。然后,基于CUDA进行车道线检测算法优化,利用OpenCV_cuda模块库进行图像预处理,针对经典Hough变换直线检测方法,提出一种改进的并行Hough变换直线检测方法,使用多线程独立进行空间坐标转换计算代替串行循环计算,对于车道线的筛选同样基于CUDA并行性,使每个线程各自对应一组参数进行约束条件判断。最后,采集城市道路场景作为实验数据集,基于服务器以及嵌入式开发板TX2作为实验平台,进行复杂交通场景下车道线检测实验。对比CUDA加速优化前后车道线检测效果,并进行耗时统计与分析,验证改进的并行车道线检测算法的有效性和实时性。