随着社会的发展,人们的生活水平普遍提高,汽车的使用也越来越普及,逐渐成为人们生活中必不可少的交通工具。同时交通安全问题变得越来越严峻。为了提高汽车的安全性能、减少交通事故,车道偏移预警系统应运而生。现在有很多成熟的车道偏移预警系统,但是其成本高造价昂贵。行车记录仪相对比较便宜,而且现在行车记录仪的功能单一。因此,开发具有车道偏移预警功能的行车记录仪,具有重大的意义和经济价值。论文根据现有的车道偏移预警系统中的车道线检测算法,研究了车道图像预处理的相关的算法、边缘检测算法、车道线识别和跟踪的相关算法以及车道偏移预警系统的模型。在车道图灰度化的处理过程中,通过对比加权平均值法、平均值法、最大值法,最后采用了适用性比较强的加权平均值法。在图像平滑的处理过程中,分析了空间域法和频域法算法,通过实验仿真最后采用了速度较快效果好的中值滤波法。最后研究了图像二值化算法,对比研究了迭代阈值法和大津阈值法,发现大津阈值法适应性强效果更好。在车道图边缘检测算法分析对比中,分析了经典的边缘检测算子和研究数学形态学的边缘检测算法,在此基础上提出了一种基于多角度多尺度的数学形态学边缘检测算子。通过对比,由于信息熵的处理计算量太大,导致其运行的时间较长,本文提出来的算法虽然检测效果好,但不满足实时性要求。为了改进该算法,通过设置固定的加权系数来代替信息熵得出的加权系数。通过统计信息熵的加权系数,发现这些系数都趋于一个固定值。对比改进后的数学边缘检测算子与经典边缘检测算子的运行时间,改进后的数学形态学边缘检测算子的运行时间最小,速度对比经典边缘检测算子提高了约3倍。最终论文采用改进后的数学形态学边缘检测算子作为本文的边缘检测算子,这种算子不仅能够满足实时性,还能提高系统的鲁棒性。在车道线识别方法分析对比中,利用二值化图像的霍夫变换的找出一个峰值点,其对应的直线与图像横向轴线的交点作为图像的消隐点,利用消隐点的极角约束动态划分感兴区域,对比固定感兴区域划分,适应性更强。接着利用Zhang-Suen快速细化算法和数学形态学骨架化去毛刺算法,通过仿真验证了其有效性。然后利用霍夫变换直线拟合算法和最小二乘法-抛物线算法,分别对直线车道和曲线车道拟合,拟合效果好。对不同场景的样本进行车道线识别,一般情况下都能检测出来,对本文采集的实验样本进行仿真其检测率达到了93%。为了进一步提高车道线检测的识别率以及准确率,本文利用卡尔曼跟踪匹配模型对车道线进行跟踪,通过仿真,样本的检测率达到了95.6%,处理每帧的平均时间为0.06s,达到了车道线检测的标准与实时性。在对车道偏移预警系统模型研究中,对比研究了常用的车道偏移预警系统,本文利用检测出来的车道线的极角与极径作为参数,通过推导得出了横向偏移距离与相对航偏角,并提出了了一种基于横向偏移距离的车道横向偏移预警模型,和基于相对航偏角变化车辆航向偏离过大的预警模型。通过仿真验证了这种模型的可行性。