驾驶员疲劳过度和疏忽大意致使车辆偏离车道而产生重大公路交通事故的比例逐年增加，能在驾驶员无意识下造成车道偏离时发出警告的车道偏移警告系统(Lane Departure Warning System，LDWS)一直是智能交通的研究热点。　　但由于车道中的环境较为复杂，系统容易受到路况差异、亮度和城市路面交通标记等复杂场景的影响，从而引起车道线检测失误。目前的车道线检测方法有准确度低、运算量大及占用内存空间大的缺点，所以现在的算法多采用高性能的处理器加以实现。在没有浮点计算、缺乏除法器、难以存储负数和片上资源较少的嵌入式处理器中难以完成车道偏移报警系统的设计。从而使该系统造价一直居高不下，不能普及应用，无法让广大的驾驶员享受安全便利智能的驾驶环境。　　本文基于单目视觉识别方式，提出了一种针对FPGA的车道偏移警告方法。它通过一定的数字图像处理从道路图像中增强车道线信息，然后利用一种宽度5-15车道线匹配方法代替传统的边沿检测，有效地去除原图像中的大量干扰信息，既提高了识别效果又大大降低了运算量，最后采用限定霍夫变换的区间和数据量、缩小霍夫变换投票空间的压缩型霍夫变换对匹配结果进行车道线提取。与传统的方法相比，它减小了内存使用量，实验证明该算法对实时车道线的识别非常有效，并成功移植到FPGA上，完成了系统设计，实现了全天候车道偏移警告需求。