行驶安全是汽车交通发展的永恒主题,随着汽车保有量的迅速增加,交通事故发生率居高不下,交通安全问题得到广泛关注。无意识的车道偏离以及驾驶员疲劳驾驶是事故发生的重要原因,而高级驾驶辅助系统中的车道偏离预警系统以及前碰撞预警系统,能够有效避免由这些原因引发的事故。由于视觉传感器拥有成本低、应用范围广等优势,高级驾驶辅助系统中的视觉解决方案得到了大多数人的青睐;另外随着机器学习与图像处理技术的高速发展,视觉传感器在汽车主动安全领域中的地位也越来越高,采用单目视觉传感器实现车道偏离预警与前碰撞预警的功能,具有一定研究价值。对于车道偏离预警系统,本文主要针对基于灰度图像的解决方案进行了深入研究,包括系统中的图像处理方法以及系统的实现原理。车道偏离预警系统中使用到的图像处理技术主要有图像的灰度化,图像滤波技术,阈值分割及边缘检测技术等;本文使用Open CV开源库初步实现了车道偏离预警系统的功能,对系统中多种图像处理算法的优劣进行对比分析,并对某些算法作出适当的改进。前碰撞预警系统中,最重要的两个部分是车辆的识别与车间距离的计算。在车辆识别方面,本文选取了对硬件要求较低的机器学习算法进行研究,主要有两种算法:HOG特征+SVM分类器,Haar-like特征+Adaboost分类器。传统车间距离的计算主要由雷达或双目摄像头来完成,仅使用单目摄像头的解决方案能够大大缩减系统的成本,具有广阔的发展空间与应用前景。本文研究了多种采用单目摄像头计算车距的算法,并尝试利用数学建模与相机标定相结合的方法来计算距离,对前碰撞预警系统的改进,具有一定指导意义。