随着人们生活水平不断提高,对汽车的要求不只局限于能够从事两点之间的运输活动,还需要保证驾驶人员的行车安全、减少交通事故的发生。车道偏离预警以及防碰撞预警系统作为目前汽车安全技术重要组成部分,其原理是根据车辆行驶过程中与周边环境的相对位置关系分析出车辆是否存在危险,进而给出声音、震动或其他形式的预警,促使其做出相应规避动作。本文研究了辅助驾驶系统中车道线偏离与防碰撞预警功能,具体内容如下:1)对于系统在黑暗环境中识别率不高的问题,研究了基于Retinex图像增强的改进方法,通过引入基于全局亮度的增益、偏离算子实现了对图像亮度和对比度的自适应修正。实验证明该算法能适用于不同照度条件下图像增强并有效抑制了噪声,其检测速度较传统Retinex图像增强算法提升近25%。2)在对车道边缘检测的过程中,针对图像中存在的噪声与低强度车道边缘梯度幅值接近导致车道线特征丢失的情况,提出了融合形态学梯度信息与梯度方向信息作为Canny边缘检测的筛选条件,提升了检测的准确性。接下来根据驾驶车辆当前位置以及车道线方程设置车辆边缘到车道边缘的安全距离来实现偏离行为的预警。在实验中该系统在不同照度条件下均可以实现90%以上的准确率。3)在防碰撞预警系统方面,本文将轻量化特征提取网络Mobile Net与目标检测网络YOLO-V3结合,提出了YOLO-M轻量化车辆检测网络模型,通过深度卷积与逐点卷积的组合作为常规卷积的替代,有效缩减了网络计算规模。最后根据返回的车辆位置信息结合纵向道路模型设计出多级防碰撞预警策略,该算法较原始网络在检测速度上提升了近一倍。