随着我国机动车保有量的迅速增加和公路建设的发展,行车安全问题目益突出,传统的交通安全管理措施已不足以应对复杂多变的行车安全问题。驾驶辅助系统的出现,为解决该问题提供了一种全新的思路方法与有效手段。由于驾驶员操作失误或注意力不集中等引起的车道偏离是导致交通事故发生的一个重要因素之一。车道偏离预警辅助系统是驾驶辅助系统的重要功能之一，系统实时在线检测车辆的车道偏离行为,并根据需要向驾驶员发出偏离警告,以避免或减少因车道偏离而发生交通事故。如何准确识别车道信息,合理设计车道偏离预警策略,是研究车道偏离预警系统的重要内容。为了获取车辆前方有车道线等用信息,探讨了图像预处理方法,寻求在理想环境(指天气晴朗、车道线清晰且为直线的条件)下的图像处理技术。运用MATLAB对结构化道路图像进行分析和处理,首先采用大津法进行图像分割和二值化处理,意在简化或改变图像的表示形式,使图像更容易理解和分析；其次运用中值滤波进行去噪处理,以达到消除多余信息的目的；再次使用Sobel算子进行边缘检测,以突出车道边缘及有效的车道图像信息；最后利用Hough变换进行车道线检测。在图像平面坐标系下获取车道线的相关参数,并转换到像素平面坐标下的端点坐标、斜率及倾角。本文采用基于机器视觉的图像处理方法识别车道信息,通过对车道偏离预警模型和道路成像原理的总结和分析,得到三维场景映射在二维图像上的车道夹角模型。由于三维场景视角的移动和变化,导致二维图像上的车道夹角也变化。根据视点高度和视点距车道边缘的水平距离,得到二维图像上车道线的斜率,再对车道线参数进行细化,提出车道夹角模型。该模型能够较好的克服技术和结构上的难题,具有一定的实际应用价值。研究结果表明,车道夹角阈值与摄像机高度有关。通过选择摄像机高度参数,确定有效的预警方案。试验结果表明,在理想条件下,车道夹角模型检测车道偏离有较好的效果,正确率达94.4%。