汽车辅助驾驶是全球汽车行业研究的一个重要领域,而车道线识别与车辆变道检测及预警则是其中的关键技术。该技术可以减少因驾驶员无故变道而导致的交通事故,具有十分重要的研究意义及价值。论文对车辆变道检测及其预警技术进行了较深入的研究,旨在将车辆变道检测算法融入到普通车载辅助设备中并达到良好的实际使用效果。论文主要研究内容如下:1.针对车载辅助设备摄像头安装角度的不确定性,提出基于道路消失点的感兴趣区域设定方法,精准定位到道路图像车道线区域。首先对图像进行一系列预处理操作并对整幅道路图像提取直线段,对直线段进行过滤并采用加权最小二乘算法进行消失点拟合,根据确定的消失点位置设定感兴趣区域。2.针对传统算法在复杂车道线场景下车道线识别准确率较低的问题,提出一种改进霍夫变换与聚类算法相结合的车道线检测算法。对图像中检测到的直线段进行再分类,精确定位到当前车道两条车道线内侧边缘线并以此代表检测到的左右两条车道线。实验表明:该算法在不同场景下的综合准确率约为95%,平均每帧图像处理时间为25.6ms。3.针对车载辅助设备的特点提出多条件约束的车辆变道判断模型。首先分析了常见模型的优缺点,得出这些模型不太适用于普通车载辅助设备的结论,因此提出了车辆偏航角及其变化速率与车道线在图像中的相对位置结合的变道判断模型,保证系统的实时性以及准确性。最后将车辆变道检测算法整合到车载辅助设备中,实现完整的车辆变道预警系统,并对系统进行多组实车测试实验,实验结果表明:系统在标准结构化直线道路以及车速40km/h以上的条件下对车辆变道进行预警的平均准确率为95.5%,平均误警率为1.8%,且平均每秒处理约26帧图像。该系统在准确率和实时性方面都基本满足实际使用需求。