近年来,我国机动车交通事故发生数量虽然呈下降趋势,但总量依旧很大。所以在现阶段,人们非常需要可以提高车辆安全性能的辅助驾驶系统。造成交通事故的原因有很多,其中,由司机引起的非故意车道偏离排在第四位。因此对车道偏离预警系统的研究成为安全辅助驾驶的研究重点,随着安全辅助驾驶技术的不断发展,人们对预警系统的要求也不断提高。本文针对车道偏离预警系统,研究了如何检测车道线并进行跟踪以及在车道偏离时采取的相关决策算法,主要研究如下:(1)首先,对采集图像预处理,以我国道路环境为研究对象,通过实验对比分析及对现有算法的改良,得出最优的算法流程:加权平均值法对图像灰度处理;运用一种改良的自适应高斯滤波算法平滑图像;运用最大类间分差法实现图像的二值化;采用静态划分方法选取感兴趣区域。通过这些方法可以有效地减少图像中的干扰信息,为后续的车道线特征提取提供更好的输入。(2)然后,利用一种新颖的Edline线特征的车道线识别算法对车道线识别,通过边缘检测和线段检测,以及对检测到的线段进行筛选和聚类来实现车道线的提取。接着利用卡尔曼滤波算法对车道线进行跟踪和预测,并通过实验验证了此算法在不同道路条件下的车道线识别效果。(3)最后,为了实现路面区域的分级预警,将路面分成四个区域,选用纵向TLC算法建立预警模型,通过仿真分析和实车试验验证车道偏离预警系统在车辆行驶过程中运行的可靠性。通过仿真和试验的结果表明,基于Edline算法的车道线检测具有良好的检测性能,将其应用于车道偏离预警系统中,通过多次车道偏离测试证明了车道偏离预警决策方法的有效性。