汽车工业的迅速发展,给人们带来方便的同时,也带来了安全的隐患。每年交通事故频发,而大部分是驾驶员自身原因引起的。因此,给驾驶员提供辅助驾驶,当有危险发生时,提前给驾驶员信号,会减少许多悲剧的发生。车道偏离预警系统是辅助驾驶系统的重要组成部分,通过计算车道的宽度,车辆在车道中的相对位置,当汽车将要偏离车道线时,警告驾驶人员。在车道偏离预警系统中,车道线检测无疑是最核心的部分。当前Android操作系统的开放性使得其受到人们的青睐。本文主要研究基于Android平台的车道线检测技术的实现。车道线检测技术从现有的技术水平来看,影响可靠性的最主要因素是系统应用的天气条件,光照变化的影响,以及路边景物的干扰。本文利用Android Camera实现对道路图像的实时采集,并对车道线图片进行预处理。由于本文是基于图像边缘信息的车道线检测,因此先将图像进行灰度化,去除大量的彩色不必要信息,以提高系统实时性。为了消除干扰,对道路图像进行滤波,实验证明中值滤波对椒盐噪声和高斯噪声都可以较好滤除。接下来的边缘检测,通过对比分析,选择Canny算子进行边缘检测。最后实现了基于最大类间方差的Canny边缘检测,实验证明,这种方法无论在光照条件或光照条件恶劣的环境下,不需要依靠人为经验去设置阈值,就能够很好的得到车道线边缘。在车道线检测过程中,本文采用基于Hough变换车道线的直线检测。研究中将车道线分为左右车道,通过对车道线斜率的范围和最小长度的限定,可以排除道路景观和道路边缘杂线的干扰。另外,由于在实际路况中车道线有一定宽度,会造成检测到两条车道线,本文利用消失点可以得到连续的车道线。为了提高算法的实时性,采用Kalman滤波方法,根据上一帧图像车道线的位置先确定车道线的动态感兴趣区域,然后在下一帧图像的感兴趣区域内搜索车道线。最后,在pc机上测试算法的实时性,实验证明通过Kalman确定动态感兴趣区域可以大大减少算法时间。并利用JNI技术成功将c++车道线算法移植到安卓平台,实验证明处理单张图片的时间是300毫秒左右,对车道偏离预警基本达到要求。