随着中国民用汽车数量的增加,车辆行驶安全问题已经成为人们不可忽视的问题。近些年出现了一个热点名词:车辆驾驶辅助系统。它的出现为车辆安全问题提供了处理方案。基于这一系统,本文在车道线检测的基础上加入了偏离预警模型,设计了检测、预警于一体的车道偏离预警系统,从而更好的帮助驾驶员及时做出判断并纠正车辆行驶轨道。本文首先采用单目摄像头拍摄路面信息,对拍摄到的视频进行帧数提取从而提取出关键信息,再对截取的图像进行了预处理,对预处理后的图像进行车道线的提取与检测并通过Kalman滤波器进行了跟踪,最终通过TLC车道偏离预警算法模型进行预警判断。主要内容如下:（1）采集图像预处理。以采集到的公路视频为研究对象,在对比多种预处理方式后,总结出了效果较为出色的算法流程:通过加权平均值法对图像进行灰度处理;频域上采用高斯滤波算法平滑图像;运用最大类间分差法对图像进行二值化并提取出感兴趣区域。通过这些方法可以为后续实验提供一个精简的实验数据,从而提高后续实验的处理效率。（2）改进的Canny边缘检测算法。通过对比分析多种边缘检测算子后采用Canny边缘检测算子并对其进行了适量的改进,使用中值滤波代替初始的高斯滤波并增加计算模板和阈值决策机制,有效提高了算法的检测性能。（3）车道线检测与跟踪。在传统Hough变换算法的基础上对其进行了改进。根据车道线的宽度、斜率筛选出符合条件的车道线以适应待检测的公路模型。通过对比Kalman滤波和粒子滤波得优缺点最终确定采用Kalman滤波进行车道线跟踪。（4）摄像机内部和外部参数的估计。首先,通过对传统标定方法和自标定方法的比较,在传统标定方法中选择了张正友标定方法。制作了黑白交错棋盘格式的校准板并使用单目摄像机拍摄标定板,通过Python软件计算其内部参数。最后,通过变换单目摄像头的位置获得其外部参数。（5）预警系统仿真及结果分析。首先简要介绍了几种经典的车辆偏离预警模型,通过对比分析,最终采用TLC模型作为车道偏离预警模型。在Python3.7和Opencv的环境下对采集到的数据进行仿真测试。实验结果表明,在汽车发生小幅度偏离时,系统可以通过改变道路颜色的方式发出预警信息,从而实现预期的预警效果,且误报率较低。同时,证明了系统的适应性和可行性。