国民汽车保有量快速增长,交通事故随之频发,交通安全问题日益严峻。车辆主动安全技术成为了一项重要的研究课题,ADAS(高级辅助驾驶系统)是实现汽车主动安全的关键,而车道线偏离预警是ADAS的重要功能。本文面向辅助驾驶系统,基于机器视觉和机械设计等知识背景,在车道偏离预警系统的硬件结构和软件算法上进行了系统地分析。对相机标定、车道线检测和跟踪以及偏离预警策略上进行了深入地研究,为汽车主动安全和无人驾驶提供理论和技术支持。本文的研究首先从硬件系统出发,采用车载单目相机实时采集车辆前方的道路图像,根据系统需求对相机进行选型,并在保证成像质量的工艺要求上,设计了相机的主要结构。然后在软件算法部分上,研究了车载相机内部参数和外部参数的标定方法。采用静态平面靶标对相机内参进行标定。根据透视投影原理、小孔成像模型,提出了一种利用消失点和车道线几何特征的车载相机外参标定方法。该方法可以在车辆行驶过程中实时对相机的外参进行估计和修正,从而能够适应路面颠簸或车辆载重变化导致相机外参改变的情况,避免了传统标定方法的复杂流程。车道线检测与跟踪是车道偏离预警的关键技术。针对复杂的道路工况以及系统实时性的需求,提出了一种基于边缘特征点聚类的车道线检测方法。根据车道线边缘梯度和灰度的分布特征提取边缘特征点,然后依据车道线的连续性和特征点梯度方向的一致性进行聚类,并通过衡量各区域之间的相似度进行区域聚类。选出最优类进行RANSAC直线拟合,根据拟合结果和卡尔曼滤波动态预测检测区域,实现对车道线的快速检测和准确跟踪。分析了常用的车道偏离预警决策模型的各自特点,基于驾驶员驾驶行为和车辆运动趋势,提出了 ETLC决策模型,该模型引入横向偏移加速度,实现更为准确的预警,有效地减少误报率。最后在搭建的仿真平台和实际道路上对上述方法进行实验,实验结果表明,该系统满足ISO 17361的要求,对辅助驾驶系统的工程化和产品化具有重要意义。