随着社会经济发展,人们对汽车的使用变得越来越普及。汽车的辅助驾驶系统应用对于降低交通事故发生概率、减少人员的生命和经济财产的损失、行车的安全保障等方面都有着极为重要的意义。由于车辆的感知方式与人类视觉感知相似,大多数的辅助驾驶系统都基于成本相对较低的计算机视觉技术进行研究,其中占主导地位的车道偏离预警和车道线检测尤为重要。本文以车道线检测和偏离预警算法作为研究目标,结合实际应用场景研究复杂场景下基于图像的车道线检测和预警算法。论文主要围绕着弯道车道线检测算法、阴影干扰下的车道线检测算法和车道偏离预警算法展开研究。针对常见复杂场景中弯道车道线的检测问题提出了基于双向边缘滤除的弯道车道线检测算法。应用边缘分布函数对图像中边缘的梯度幅值进行累积确定近视野的直车道线的方向并滤除无关的边缘。基于改进Hough变换方法确定的弯道车道线近视野直线部分在图像中的位置和参数,结合近视野的车道线参数采用双向边缘滤除算法提取整个视野弯道车道线的特征边缘点。根据所提取的边缘点构建直线与B样条曲线结合的模型对弯道车道线进行拟合。实验测试结果表明,所提算法能够取得优于同类算法的检测结果。针对常见复杂场景且影响车道线检测效果的阴影干扰问题,进行车道线检测算法研究。提出了基于IPM图像的小波分解和垂直子图融合重构的方法有效消除阴影对车道线检测的干扰,利用逆透视变换获取道路图像俯视图,针对道路俯视图采用小波分解图像再采用垂直子图融合重构图像。应用Canny边缘检测算法和改进的Hough变换方法对车道线的特征点检测,采用最小二乘法进行车道线拟合。设计该方法对阴影干扰去除效果的对比实验,实验结果表明该算法对阴影干扰具有较好的鲁棒性。车道偏离预警算法的研究中,分析对比了经典的车道偏离预警算法,利用车道线检测出的直线方程作为参数,构建基于图像的横向偏移距离和航向偏移角度的模型的车道偏离预警算法,并设计对比实验测试验证效果。针对出现的高误报率的预警问题,提出基于横向偏移距离预测的迭代算法进行预测未来的横向位置,并且在TLC算法的基础上融合偏移距离的判断改进了预警判断条件,当横向偏移距离和即将到达车道线的时间都满足条件才发生预警,减少误报预警的次数。