随着交通运输业的迅速发展,交通安全问题也日益突出,每年20多万起的交通事故严重威胁着人类的生命财产安全。为了最大程度上减少交通事故的发生,科学家提出了汽车辅助驾驶系统。其中车道偏离控制就是辅助系统的重要内容。在驾驶员未打转向灯的情况下,实时的检测汽车是否偏离了车道线行驶,并根据判断的情况进行方向的自动矫正,以减少交通事故的发生。针对基于机器视觉的汽车辅助驾驶技术,本文研究了如何正确的识别车道信息,建立合理的车道偏离模型,实时的传输偏离信息以及正确的进行方向矫正等内容。为了在天气晴朗的条件下,获取结构化道路的车道线信息,探讨了图像预处理技术。首先对采集到的图像进行车道线区域的提取以及灰度化,用以提高处理速度和识别的准确率；其次,分别介绍了图像滤波、二值化、边缘检测的原理以及方法,并对不同的方法在Matlab平台上进行了实验验证,滤波方法选择了中值滤波,边缘检测选择了Sobel算子；检测出边缘后,介绍了车道线识别的不同方法并通过理论比较选择了Hough变换法进行车道线的识别。最后,针对识别出的多条车道线,本文提出了基于斜率的车道线选择方法进行了车道线的选择,并提取了车道线的相关参数。分析了常见的几种道路模型,并进行比较,选择了直线模型作为研究对象。对车道偏离常用的方法进行了分析比较,选择了基于车道偏移率的方法作为车道偏离判断的模型,并进行了理论推导,计算出不同偏离程度所对应的偏移率的值。确定出偏离时阈值的计算方案。利用Open Source Computer Vision Library (OpenCV)平台进行了车道偏离的实验验证,说明车道线识别算法的可行性。在车道线识别的基础上,进行了方向辅助控制模块的设计,并对不同的部件进行了功能说明,利用Protues软件对电子控制单元(ECU)模块进行了仿真,说明此方案的合理性。选择了串行通信进行偏离信息的传输。对ECU模块进行了重点研究,设计了合理的硬件电路,利用模糊控制法进行方向的矫正。最后,搭建实验平台,通过车辆记录仪在高速公路上采集了一段车辆行驶视频,进行了车道偏离控制的实验验证。实验表明,此方案的识别速率达到了0.015 s/ frame,识别的准确率为97.9%。在偏向角不大于5°的范围内,电机的旋转方向以及旋转角度都会按照设置的规则进行变化。