随着道路交通的快速发展和汽车保有量的日益剧增,交通安全引起了社会的普遍关注。统计表明,许多的交通事故是由司机疏忽或疲劳驾驶引起的。而汽车辅助驾驶系统正是被设计用来在车辆将要驶离车道或者发生碰撞时警告司机,从而帮助司机安全驾驶,避免交通事故的发生。车道线的检测识别与车道偏离预警正是实现这一功能的关键技术。本文对车道线检测识别与车道偏离预警各个模块进行了深入的研究。首先,介绍了基于机器视觉的车道线检测识别与车道偏离预警这一课题的研究背景和意义,综述了该课题的国内外研究现状,并对该系统进行了模块化分析,最后给出了该课题系统的框架图。第二,描述图像预处理模块中涉及到的图像灰度化、图像增强、图像分割以及图像二值化等相关技术,对每一项技术中的常用方法进行了实验分析对比,最后设定了一套适合本课题的图像预处理算法(图像增强选用的是中值滤波法,边缘检测选用的是Canny边缘检测算子)。第三,在车道线检测与识别模块中,首先描述了本课题中常用的一些假设并建立了车道线模型,然后阐述了两种车道线检测与识别算法(CHEVP算法和基于最小二乘法的车道线检测识别算法),并在总体上对两种算法的优缺点及适合场合进行了详细的说明,细节方面还对两种算法涉及到的参数选取方法进行了说明。第四,描述了摄像机标定原理及常用的标定方法,并使用精度比较高的张正友标定法对本文选用的摄像机进行了标定。对常用的一些车道线偏离预警模型进行了描述对比,最后根据实际需求选用TLC模型作为本系统的车道偏离预警模型,并对该模型中参数的选择进行了说明。最后,对本文所做的工作进行了总结,并指出了下一步的研究方向。