近年来,为了减少交通事故发生的频率,针对基于视觉的智能车安全辅助驾驶系统的研究已成为热点,车道线识别是其不可缺少的重要部分,也是提高驾驶安全性的重要因素。在本文中,提出了能够实时检测结构化道路车道线并对其进行分类的算法。首先给出了基于暗原色先验的去雾霾方法对道路图像去雾霾、确定感兴趣区域以进行后续的图像处理、将图像彩色空间转换到YCbCr彩色空间、选用中值滤波方法对图像进行滤波的图像预处理流程。其次,针对光照对图像质量影响大的问题,提出一种适合检测白色和黄色车道线的图像二值化方法,该方法是基于白色在YCbCr彩色空间的Y分量中和黄色在Cb分量中的一个不变属性,因此对多种光照条件都具有极强的鲁棒性,并且计算复杂度低。为了准确检测出车道线,本文在二值化图像中分区选取车道线候选点,并用基于动态设定累加器阈值的改进分区概率霍夫变换算法来拟合左右车道线。然后,通过分析常见结构化道路车道线种类的不同特性,提取出分类特征进行车道线的分类识别,将其分为白色或黄色单线(虚线、实线)、白色或黄色双线(实虚线、虚实线、双实线)这十种类型,在分类过程中采用朴素贝叶斯分类算法提高分类的可靠性。另外,由于车道线识别一般用于车道偏离预警系统和车道变更辅助系统,需要实时处理车载视频图像,因此本文提出一种车道线跟踪检测算法以进一步提高系统的实时性和鲁棒性,其中采用卡尔曼滤波来动态确定感兴趣区域。当车辆运行较稳定和车道线识别较好时,调用车道线跟踪检测算法；否则,调用初始车道线检测算法。最后,通过对1560帧道路图像进行实验,表明本文所提出的算法可以很好的在各种光照条件下工作,拥有令人满意的性能,具有一定的实时性、鲁棒性和可靠性。