随着智能交通系统(ITS)的不断发展,车道偏离预警已经成为该领域的研究热点之一。车道偏离预警系统包括道路和车辆状态的感知与车道偏离评价算法两个主要部分。本文以基于图像处理的车辆偏离预警系统中的车辆运动轨迹预测方法为研究对象,在对国内外研究现状进行了分析的基础上,对车辆轨迹预测的仿真及实验各个环节进行了相关研究。首先从建模开始,介绍了数学计算仿真软件Matlab/Simulink在仿真计算领域的优点。对实验车辆以及实验环境进行数学标定包括图像采集器CCD的标定、道路偏差设定、以及车辆物理参数的收集。在车辆运动学的基础上,对车辆前轮转角进行数学建模,通过车辆系统动力学特性对基于运动学的数学模型进行修正。其次采用kalman滤波理论对系统状态进行观测,通过线性递推滤波方法,以有限时间的数据为计算依据,以系统的数学模型为基础,用前一个估计值和最近的测量值来获取系统当前状态的无偏、最小方差估计,提出双观测器权重分配、叠加计算的方法来解决速度对系统的影响。通过细分整车质量区间,建立若干个针对不同质量区间的子系统,并修正各个子系统的相应参数,通过缩小整车质量变动区间,将系统误差控制在一个较小的范围内。引入基于K-means的聚类算法,依据实际运动轨迹与系统内部预设轨迹之间的欧氏距离进行分类,实现整车质量的在线预估并引导系统输出。将道路曲率和前轮转角作为状态观测器的输入量,使本方法适用于直线和弯曲道路等各种道路工况,提高了该方法的适用范围。最后,以车辆预测轨迹与实际轨迹重合为目标,整合针对各个质量建立的子系统模型,通过仿真和实验验证各种工况下系统的可靠性。