研究表明，在驾驶员——汽车——道路3个环节中，驾驶员是可靠性最差的一个环节，80％以上的交通事故来自于驾驶员的错误。据统计，其中约有44％的交通事故与车辆行驶偏离正常车道有关，其主要原因是驾驶员注意力不集中或者疲劳驾驶，造成车辆的无意识偏离。针对此情况，同时也是为了提高运输效率，行车过程中的车道检测及报警的研究，受到了世界各国的高度重视。 本文的主要工作是，通过车载CCD摄像装置对车辆前方车道进行实时监视，以获取当前的路面图像，并通过近视场和远视场的视觉差异，采用分段切换车道模型来准确判断当前路面所适用的车道模型：针对直道模型，通过建立车道图像的边缘分布函数EDF(Edge Distribution Function)来计算车道边界线方向角；针对弯道模型，利用误差最小化的最小二乘法拟合出车道曲线模型。相比于单一车道模型，本文的方法能够适应有曲率和无曲率道路的识别要求，具有更高的灵活性，且由于边缘分布函数的引用能够迅速的提取出判断车道偏离程度的重要特征，因此使得开发的车道偏移监视系统能满足实时性需求。 本文的工作主要包括4个方面，具体内容如下： (1)综述了课题的研究背景，指出了车道偏离预警系统对降低交通事故率的重要性，并简要介绍了目前国内外研制的一些基于视觉的道路识别和跟踪系统，再分析了目前国内外已提出的车道检测方法，并对各种检测方法进行了比较。 (2)提出了基于灰度阈值的车道边缘检测方法。将两种基于灰度特征的车道边缘提取方法进行融合，提出了基于灰度阈值的车道边缘检测方法，该方法能够在进行边缘检测的同时配合路面的灰度特征，从而准确提取车道边缘特征点，并利用车道边缘梯度的方向性，分离出车道的外边缘，消除了内、外车道边缘方向不同而带来的误差，再通过Hough变换对车道标志线的初步检测定义了感兴趣区域，保证了感兴趣区域内车道边缘特征点的完整。 (3)设计了车道标志线的检测与识别方法。通过分段切换车道模型将弯道与直道这两种车道模型联系起来，并有选择地调用不同的检测方法来识别不同车道模型的车道标志线，再将识别的结果输入到分段切换模型中，作为判断当前路面车道模型的重要依据，从而提高了检测结果的准确率。 (4)实现了车道偏离预警原型系统。通过采用面向对象的设计方法，设计实现了车道偏离预警原型系统，并从实验角度验证了上述方法的有效性。