随着社会经济的快速发展和汽车保有量的日益剧增,车祸的发生越来越频繁,其发生的主要原因是车辆在驾驶员意识之外偏离本车道,从而引发与旁边车道来车的碰撞。于是车辆智能驾驶辅助系统应运而生,它为汽车提供安全的驾驶辅助功能,避免车道偏离事故的发生。车道偏离警告系统是车辆智能驾驶辅助系统的主要研究方向之一,其中车道标志线的提取和识别是这项技术的重要研究内容。本文对基于单目视觉的车道类型的判断和车道标志线的分段提取算法进行了深入的研究。首先对摄像机采集到的车道序列图像进行预处理,以消除图像中的无关信息,增强有用信息的可检测性。接着对预处理后的道路图像进行道路区域与非道路区域的分割,获得了只含有车道标志线的道路图像,再对车道标志线进行细化处理以减少数据量。然后分析最小二乘法、Hough变换和中值截距法提取直线的原理,通过实验比较,选择适合本文的直道提取的最优算法。把车道标志线分解成上标线和下标线两部分并分析其特性,采用Hough变换拟合下标线的参数,最小二乘法拟合上标线的参数,根据斜率的关系总结出车道类型的判断准则。通过对直道、左弯道、右弯道三种路况图像进行大量的实验,验证了判断准则的可靠性。根据车道类型的判断结果对车道标志线进行分段提取,若车道为直道,则将下标线和上标线参数的平均值作为车道的参数;若车道为弯道,则对上标线建立抛物线模型,采用最小二乘法提取,结合下标线的参数在图像上标出车道标志线,验证提取算法的可靠性。根据上一帧的提取结果限制当前提取过程中种子点的搜索区域范围,实现车道标志线的实时跟踪。最后通过介绍目前最常用的车道偏离警告模型的原理并分析其优缺点,利用车道标志线方程及其斜率等参数确定图像上车辆在车道中的位置和方向信息,建立一种无需标定的车道偏离警告模型。