随着我国汽车保有量的持续增长,交通安全受到越来越广泛的关注,人们开始寻求利用计算机等技术实现车辆的安全驾驶。但在现实道路场景中,环境总是复杂多变的,如何在多变的场景中实现车辆偏离预警也就成了国内外学者的研究热点与难点。本文在对国内外车辆偏离预警(Lane Departure Warning System,LDWS)技术进行了充分研究的基础上,针对我国高速公路的实际情况,提出了一种基于机器视觉的车辆偏离预警模型。该模型主要包括道路图像预处理、车道标识线识别与跟踪、车辆偏离预警决策三个模块,本文的主要工作也围绕这三个模块展开:(1)道路图像预处理:首先,为了去除图像中冗余部分(如天空、林木等)的干扰,文中建立了左右两个感兴趣区域分别处理左右车道标识线。接着,通过Adobe RGB(1998)方法对图像进行灰度化处理。然后,在道路图像的滤波增强中,选择采用金字塔滤波进行图像的滤波增强操作。而在最为重要的边缘检测中,文中选择了最适合本课题场景的边缘检测算法——改进的自适应Canny算法,来进行道路图像的边缘提取。最后,文中通过设立固定阈值得到了道路所在区域的二值边缘图像,大大简化了后续过程中待处理的数据量。实验结果证明,文中提出的预处理算法能极大地简化所获取的道路图像,为后续识别车道标识线提供了良好的数据源。(2)车道标识线识别与跟踪:针对采用何种检测模型的问题,文中在综合考虑系统的实时性和准确性后,选择了利用直线模型进行车道线检测并分析了直线模型在拟合弯道时的误差。接着,文中通过改进的概率霍夫变换对车道线像素点进行提取。之后,针对标识线的双边缘问题,文中采用最小二乘法来拟合车道线上的像素点,从而使得拟合的直线位于真实车道标识线的正中央。然后,针对路面干扰线的误检问题,文中提出了一种基于距离和长度加权的路面干扰线规避算法。最后,文中提出了一种基于前帧标识线的ROI区域预测算法及一套车道标识线跟踪机制来预测车道线在下一帧中出现的位置。实验结果证明,文中所提算法能够准确且及时地识别车道线。(3)车辆偏离预警决策:文中首先分析了预警时机的重要性,它的选择必须在综合考虑误报率以及驾驶员反应时间后决定。接着,在详细介绍并比较五种常用的车辆偏离预警决策算法的基础上,指出了目前主流的摄像机标定法的不足,并选择了一种基于车道线斜率的车辆偏离预警决策算法对偏离情况进行界定。通过实验结果可以看出,该算法简单高效,能够及时检测出车辆的偏离情况。