随着我国经济腾飞及机动车保有量的迅猛增长,交通事故的发生率越来越高,其中由行驶时发生车道偏离引起的车祸占了很大的比例。针对这一问题,车道偏离预警系统应运而生,其中,系统鲁棒性算法的研究尤为重要。本文研究工作如下：1.提出了一种新型车道检测算法(光密度差法)。该算法采用改进的中值法滤波,基于光密度差的4方向模板对数Prewitt边缘检测预处理图像,得到二值化阈值T。感兴趣区域(ROI,Region Of Interest)的确定大大减少运算量,结合车道线宽度、高度的对应关系去除伪车道,采用临时轨迹策略排除光线变化和前方车辆的干扰,最后得到完整清晰的车道线。实验对比中,光密度差法的执行效率较霍夫(Hough)变换有明显的优势。2.研究了基于信息融合的车道偏离预警算法,充分考虑了每个信息源的相关性和互补性,利用GPS (Global Positioning System,全球定位系统)获取车辆位置信息,定位显示于数字地图,再通过回旋曲线模型提取车辆前方的道路几何形状,横向卡尔曼滤波器融合了摄像头--地图系统的车道数据,最后再和车道动力学的数据融合,稳定了系统获取道路曲率的能力,有利于车辆车道保持,弥补了基于视觉的车道偏离预警系统偶尔检测不到车道线的不足。3.为了提高车道偏离预警的鲁棒性,提出一种基于车道线内侧边界点的预警算法,它降低了车道线识别和车道模型判别误差的影响。车辆横向运动动态模型推导出车辆轨迹距离的计算公式,再结合当前车辆行驶速度和转向角区间计算出两点间需要的时间。算法将边缘点分成4类,多方向搜索的方法消除错误的车道边界点,时间大小的比较对其进一步验证。设定时间阈值,多帧图像的数据判定是否偏离车道,最后与当前主流算法TLC(Time to Lane Crossing,基于车辆即将横越车道线的时间)比较,展现了本算法的优势。