随着汽车保有量的大幅提升,汽车的安全性问题成为越来越多人关注的焦点。汽车高级驾驶辅助系统的出现为汽车安全性问题提供了解决思路。本着低成本、高集成的原则,本文以单目视觉传感器为基础,将车道线检测系统与车道偏离预警系统相融合,设计了车道线检测功能与偏离预警决策功能于一体的车道偏离预警系统,以期更好地实现汽车偏离时的提前预警达到辅助驾驶的目的。本文首先进行摄像机标定,并对汽车驾驶视频流以符合人眼刷新的频率进行视频帧的截取,再对每一帧预处理后的图像进行车道线的检测和可视化输出,同时通过对提取到的车道线像素位置信息进行像素级分析并结合Kalman滤波进行状态预测,最后通过改进的基于驾驶习惯统计模型与TLC算法的车道偏离预警算法进行分级预警决策。主要内容如下:（1）提出改进的适用于车道线边缘检测的融合算法对预处理过程进行优化,依据车道线连通性的特点改进的边缘检测算法,能更好地突出车道线的像素强连通性的特征,为车道线检测提供更好的预处理图像作为输入。（2）通过对车道线检测算法及车道线在图像中表现出的特点进行研究,提出改进的基于双滑动窗口机制的车道线检测算法。该算法采用窗口机制进行车道线的搜索,并对窗口滑动方式进行改进,采用重叠式滑动机制对车道图像进行车道线搜索,充分利用像素信息。（3）考虑到驾驶员不同驾驶习惯导致对危险情况感知程度的不同,本文提出一种基于概率统计模型的TLC车道偏离预警算法。该算法引入概率统计模型和分级预警机制实现偏离预警决策模型的改进,通过TLC算法对Kalman预测的车辆状态信息进行偏离压线时间的预算,并根据预估偏离压线时间在基于概率统计模型和分级预警机制的偏离预警决策模型中的表现,进行有效分级预警。实验结果表明,本文提出的改进的车道偏离预警技术中的部分相关算法对比改进前的算法均有一定程度的性能提升。提出改进的适用于车道线边缘检测的融合算法能够更好地表现出车道线的边缘特征;提出改进的基于双滑动窗口机制的车道线检测算法能够提高图像中车道信息的利用率,一定程度上避免了信息丢失问题导致的误检;提出一种基于概率统计模型的TLC车道偏离预警算法,能够实现对不同驾驶习惯的分级预警。以上改进算法在车道线检测及偏离预警场景下均有较好的表现,有效地提高了算法的准确率。