5G车联网以无人驾驶和5G技术为核心，已经成为5G新基建应用的核心领域，也已经是事实上5G应用落地的“领头雁”，在政策的助推下，随着技术的不断成熟和产业链的不断完善，5G车联网2020年开始将迎来全面爆发。本文聚焦城市5G-V2X环境下无人驾驶车路协同技术进行深入研究，特别是关键技术——无人车车道检测器的设计。为解决城市复杂环境中无人车快速可靠感知路面主导航标识——车道线问题，提出一种新型视觉检测器设计方法，可有效缓解感知系统实时性和精度相互制约的矛盾。借鉴自校正自适应控制系统理论的思想，设计出一种自校正闭环道路视觉检测器架构，并提出一种基于多尺度IPM图（（Inverse Perspective Mapping））自适应边缘提取的新型检测器算法，可以适用于强光、弱光甚至昏暗空间环境。视觉检测器的性能指标设计以某城市智能网联汽车及车地协同系统需求为导向，以满足城市地上、地下各种类型道路自主导航为目标。选择目前全世界范围内公用的加州理工车道数据集作为本文算法测试和验证的平台。实验结果及道路实测结果均表明，在多尺度IPM道路俯视图ROI区域检测车道线不仅可有效解决传统利用Hough变换检测车道线时干扰点多、车道线拟合困难的难题，还可大幅提升系统实时性，算法处理速度比在前视图直接检测车道线快近10倍。该检测器的设计与实现使自动驾驶技术得到本质提升，必将有助于智慧交通系统的快速建设发展。
