對於第壹個問題，常用的車道線模型分為兩類，參數化模型如Line/parabola/cubic, poly-line/spline, Clothoid, 只需若幹個參數，即可描述整個車道線形狀；也有基於數據的，如Support Vector Regression, Gaussian Process Regression，這種方法需要有正確數據的支撐，學習出相應的參數。
用於車道線的參數估計問題並不簡單，因為數據本身除了noise外，還有outlier。壹個外點就能讓傳統的最小二乘法失效。Hough Transform, RANSAC, Least Trimmed Square, Bayesian Filter都可以用來魯棒參數估計。
對於第二個問題，檢測到的車道線可以分為白實線、黃實線等，要用到分類的算法，我不是很懂，就不強答了。
ps：使用相機檢測車道線已經是ADAS的標配了，但是，但是，但是，對無人駕駛而言，相機對環境的敏感性，導致車道線檢測有時候會失效。這個時候，最好使用激光傳感器作為補充。
pps：更進壹步，為什麽壹定要檢測車道線呢？Stanford的博士論文就沒有涉及到車道線，他們把地面上的有效信息（包含車道線、人行橫道、轉向箭頭、甚至裂縫）拼接為高精度地圖，在線定位就行了。