随着我国交通事故数量的不断增多,汽车驾驶辅助驾驶系统的研究逐渐成为热点。车道偏离预警功能是汽车驾驶辅助驾驶系统中的一个基础而又十分重要的模块,其核心算法在于对车道的检测。车道的检测主要完成从图像中识别出车道,并且确定车道相对于车辆的位置,以便监测车辆行驶的实时情况。当车辆发生无意识偏离时,能够及时地提醒驾驶员,从而避免交通事故的发生。本文研究了利用单目摄像头进行车道检测的算法,并提出了一种基于机器学习的车道检测算法。主要工作如下:1、提出一种自动确定感兴趣区域的方法。该方法利用摄像头本身的针孔模型,并结合摄像头的标定信息,通过计算4个标定点在图像中构成的两条直线的相交点,就可以自动划分感兴趣区域。由于缩小了车道的检测区域,所以可以在一定程度上减少车道检测所需的时间。2、提出一种基于机器学习的车道检测算法。该算法,首先利用已标定好的安装在车辆内的摄像头捕获前方路面信息,对在感兴趣区域上已经划分好的小图块进行HOG+SVM分类判断。接着,在被分类器认为包含车道的图片块里,本文用两个点来代表小图块里的车道部分,为了忽略一些不可避免的路面背景干扰,还采用了随机抽样一致算法。然后,对分类出的所有包含车道的小图块,用一个抛物线几何模型进行整体的拟合。最后,用适当的跟踪方法,就可以减少检测所需检测的小图片块数量,以提高检测速度,再利用前后帧的连续关系,来确定当前帧车道检测结果的可信程度。实验结果表明,此算法能够实时有效地检测出车道。3、设计了一个与本文提出的车道检测算法相适应的车道偏离预警模型。该模型,可以根据本算法的车道检测信息以及摄像头的标定信息,在真实场景中,实时给出车道预警结果。