随着经济的飞速发展，人们对汽车的需求量不断攀升，交通事故的发生率也随之快速增长，安全驾驶也成为了社会关注的焦点之一。在所有的交通事故中，因驾驶员注意力不集中而造成的车道偏离事故所占比例高达37.4%。因此，如何减少因车辆偏离而导致的交通事故的发生率，成为当今社会的重大挑战。调查表明，如果能够提前0.5秒预警，交通事故的发生率将会降低60%。车道偏离预警技术是解决这一问题的有效解决方案。目前已经商业化的车道偏离预警系统都是基于单目视觉的。车道检测及车道偏离预警是此类系统的两个核心算法。现有的用于结构化道路的车道检测算法可归纳为基于边缘特征和基于模型两种算法。其中，基于边缘特征的算法计算速度快，但其对于天气变化、路面文字和方向箭头等干扰因素较敏感，抗干扰能力差；基于模型的算法对环境变化的适应性较好，但其算法繁冗复杂。现有的车道偏离预警算法可归纳为仅基于图像信息和基于图像信息与道路模型相结合的两种算法。其中，仅基于图像信息的算法准确度较低；基于图像信息与车道模型相结合的算法具有较高准确性，但其对于相机参数和车辆系统的依赖性较强，不易实现大众化。基于以上分析，本文主要研究内容如下：（1）针对现有车道检测算法抗干扰能力差或繁冗复杂的问题，本文提出基于连通分量和循环Hough变换的道路环境自适应直车道检测算法。首先，根据图像中路面文字、方向箭头等干扰图标边界连通的特点，提出基于连通分量的干扰消去算法，增强对路面图标和遮挡物的抗干扰能力。其次，因道路环境的变化，不同时刻的道路图像具有不同的最适Hough变换阈值，克服了传统固定阈值Hough变换适应性差的缺点，本文提出能实时调整阈值的循环Hough变换算法，提高对环境变化的自适应性。最后，对真实道路视频处理的实验结果表明，本算法具有较好的抗干扰性和对道路环境变化自适应性与实时性。（2）针对基于图像信息与道路模型相结合的车道偏离预警算法对相机参数和车辆系统的依赖性较强的问题，本文提出不依赖相机参数和车辆系统的基于CCP和灰色预测的车道偏离预警算法。首先，选用所需参数少的且准确度高的CCP车道偏离决策算法。遗憾的是，CCP算法只能判断当前时刻车辆是否发车道偏离现象而不能提前一定时间实现预警功能。其次，通过分析CCP数据发现其具有随机性和短时间相关性，正好符合灰色预测方法的特性，据此使用灰色预测方法弥补了CCP算法的不足。最后，对真实路况视频处理的实验表明，该算法具有很高的准确性和很低的假阴性。