随着全球汽车产业的迅猛发展,由驾驶员误操作引发的交通安全问题日益严峻,以智能辅助驾驶系统为代表的主动安全技术可有效减少因驾驶员操纵失误导致的交通事故。本文设计基于机器视觉的车道线与车辆识别算法,当车辆偏离当前车道或出现碰撞危险时能够发出预警提醒,减少由于驾驶员疲劳驾驶或注意力分散引发的交通事故,提高行车安全性。提出一种基于投票机制与区域规划的车道线识别算法,可有效检测道路边界线。首先由获取的图像划分感兴趣区域,利用车道线宽度等信息提取车道线的特征点,根据特征点的位置及方向角分布对消失点进行定位,并建立关联性的投票空间进行消失点和车道线边缘点方向角检测,由消失点和方向角定义目标拟合区域,提取车道线。并提出基于倒梯形区域与可信度判断的方法实现车道线跟踪。研究分析不同类型的车道偏离预警模型,制定偏离预警决策算法,设置系统触发条件。并对前车防撞预警系统中的关键技术进行了深入研究,设计一种基于机器学习的车辆识别方法。采集车辆训练的所需的正负样本集,基于Haar特征利用Adaboost算法对样本进行训练,以获得级联分类器,并对基于单目视觉的测距模型进行了研究。选用IMX6S为车道偏离预警实车试验平台并搭载视觉相机,以验证本文设计的车道线检测算法的有效性。试验结果表明,所提出的车道线检测算法能准确检测不同路况下的车道标识线,在IMX6S平台中运行表现出良好的实时性与准确性。并进行了车辆与车道线识别算法融合试验,试验结果显示,所研究的算法能准确检测道路前方车辆与车道线,基本满足系统实时性与准确性要求。