车道偏离预警技术的现状及技术思考.docx
《车道偏离预警技术的现状及技术思考.docx》由会员分享，可在线阅读，更多相关《车道偏离预警技术的现状及技术思考.docx（27页珍藏版）》请在冰豆网上搜索。
车道偏离预警技术的现状及技术思考
目录
一、车道偏离预警技术产生背景1
二、车道偏离预警技术现状简介1
三、车道偏离预警系统几个技术问题的实现方式的思考2
1、存在车辆干扰时车道线如何准确识别？
2
2、如何保证系统的实时性和准确性？
5
3、车道偏离预警系统在内部硬件如何实现？
7
4、有意识转向与无意识转向的辨识？
8
1）转向灯9
2）车速9
3）转向器中轴的扭矩M（本组成员构想）9
4）转向器的角加速度α（本组成员构想）9
5）驾驶员状态监控（本组成员构想）10
5、系统发出警示的判断方法和计算方法？
10
四、车道偏离预警系统的发展和拓展13
1、由辅助提醒逐渐加入主动转向13
2、车道预警系统的硬件利用将不断扩展14
车道偏离预警技术的现状及技术思考
一、车道偏离预警技术产生背景
根据美国联邦公路局的估计，美国2002年致命的交通事故中44%跟车道偏离有关，同时车道偏离也被看成车辆侧翻事故的主要原因。
AssitWare网站的分析结果认为：
23%的汽车驾驶员一个月内至少在转向盘上睡着一次；66%的卡车驾驶员自己在驾驶过程中打瞌睡；28%的卡车驾驶员在一个月内有在转向盘上睡着的经历。
四个驾驶员中就有一个驾驶员经历过车道偏离引起的伤亡事故。
截至2009年底，中国公路通车总里程达386.08万公里，其中高速公路6.51万公里，全国城市道路总里程达26.7万公里。
同时随着我国高等级公路通车里程的增加，高速行驶的机动车安全性也越来越受到社会的关注。
以2011年上半年为例，特别重大道路交通安全事故就有多起。
道路交通安全形式严峻。
美国公路交通安全管理局对车道偏离预警系统的定义是指一种通过报警的方式辅助驾驶员避免或者减少车道偏离事故的系统。
一个车道偏离预警系统不会试图控制车辆以防止可能发生的碰撞事故。
美国国家公路交通安全管理局开展的“采用智能车辆道路系统对策的道路偏离避撞警告项目”研究将车辆偏离预警系统分为“纵向”和“横向”车道偏离警告两个主要功能。
纵向车道偏离警告系统主要用于预防那种由于车速太快或方向失控引起的车道偏离碰撞，横向车道偏离警告系统主要用于预防由于驾驶员注意力不集中以及驾驶员放弃转向操作而引起的车道偏离碰撞。
作为安全辅助驾驶技术（SafetyDrivingAssist，简称SDA）的重要组成部分之一，车道偏离预警技术是近年来安全辅助驾驶研究领域的一个重要方向，已经受到越来越多的关注。
二、车道偏离预警技术现状简介
车道偏离预警技术从2000年开始，就已经在欧洲、美国的商用车上应用广泛，现在逐渐应用在乘用车当中，豪华轿车成为了这类系统首先普及的地方。
从2005年开始，法国雪铁龙C4、C5、C6等产品就已经运用装设在前方保险杆上红外线传感器监测路面上车道标志，发生车辆偏离车道时，以振动座椅的方式提醒驾驶返回车道。
车道偏离预警系统已经商业化使用的产品都是基于视觉的系统，根据摄像头安装位置不同，可以将系统分为：
侧视系统（摄像头安装在车辆侧面，斜指向车道）和前视系统（摄像头安装在车辆前部，斜指向前方的车道）。
无论是侧视系统还是前视系统，都由道路和车辆状态感知、车道偏离评价算法和信号显示界面
三个基本模块组成。
系统首先通过状态感知模块感知道路几何特征和车辆的动态参数，然后由车道偏离评价算法对车道偏离的可能性进行评价，必要的时候通过信号显示界面向驾驶员报警。
目前，国外有代表性的车道偏离预警系统有AURORA系统、AutoVue系统、Mobileye_AWS系统、DSS系统（DriverSupportSystem）。
例如DSS（DriverSupportSystem）系统是由日本三菱汽车公司于1998年提出，并于1999年秋季应用于模型车上。
由一个安装在汽车后视镜内的小型摄像机、一些检测车辆状态和驾驶员操作行为的传感器以及视觉和听觉警告装置组成。
该系统利用由摄像机获得的车辆前方的车道标识线、其他传感器获得的车辆状态数据和驾驶员的操作行为等信息，判断车辆是否已经开始偏离其车道。
如有必要，系统将利用视觉警告信息、听觉警告信息以及震动方向盘来提醒驾驶员小心驾驶车辆。
该系统的特别之处在于，它能产生一个促使车辆回到自身车道中央的转向力矩，促进驾驶员采取正确的驾驶行为。
利用这种方法来判断是否发出预警的。
当然，该力矩不足以干涉驾驶员自己施加的转向力矩，从而保证驾驶员对车辆的完全控制。
国内车道偏离预警系统具有代表性的有JLUVA-1系统和基于DSP技术的嵌入式车道偏离报警系统。
JLUVA-1系统由吉林大学智能车辆课题组开发。
该系统是基于单目视觉的前视系统，主要由车载电源、嵌入式微机、显示设备、黑白CCD摄像机、数据线、音箱以及图像采集卡等组成。
系统利用安装在汽车后视镜位置处的CCD摄像机采集汽车前方的道路图像，通过图像处理获得汽车在当前车道中位置参数，当一旦检测到汽车距离自身车道白线过近有可能偏入邻近车道而且司机并没有打转向灯时，该系统就会发出警告信息提醒司机注意纠正这种无意识的车道偏离，从而尽可能地减少车道偏离事故的发生。
基于DSP技术的嵌入式车道偏离报警系统由东南大学开发，是基于单目视觉的前视系统，由模/数转化及解码电路模块、缓冲电路模块、媒体处理器DSP电路模块、编码及数/模转换电路模块等模块组成。
该系统通过车载摄像头采集被跟踪车道线的模拟视频信号，经解码生成数字信号码流缓冲后送到高速媒体处理器DSP的视频接口，然后再由视频处理模块对数字视频信号进行车道特征值的提取，最后将处理后的视频信号送编码及数/模转换电路输出显示。
在以“汽车世界”为主题的2010巴黎国际车展上，大众汽车凭借其“变道辅助系统”，即车道偏离预警系统（Lanedeparturewarningsystem）荣获了“欧洲新车安全评鉴协会高级安全奖”。
车道偏离预警系统的生产成本大约为1万元人民币，目前主要应用于国外生产的一些重型卡车和长途客车上，在奔驰、宝马、奥迪、雷克萨斯等高档轿车上也多为选装件。
三、车道偏离预警系统几个技术问题的实现方式的思考
1、存在车辆干扰时车道线如何准确识别？
在车辆偏离预警系统研究领域，车道线识别对车道偏离报警与车道保持等主动安全系统是一项关键技术。
道路上行驶的其它车辆常常会干扰车道线的识别。
在车道线附近的车辆会使得识别的车道线偏离正确方向。
当车道线被车辆遮蔽的区域较大时，甚至会导致车道线的识别失败。
为解决车辆的干扰问题，提出了一种结合车辆识别的车道线识别方法。
融合雷达数据，车辆识别模块首先在图像中识别出车辆占据的区域。
对于每一个车道线识别模块挑出的车道线候选点进行判断，去除处于车辆区域的车道线点；如果有效车道线点数目不足，则利用卡尔曼滤波的跟踪结果，确定符合最小风险函数的车道线位置。
经过多种工况下的试验验证，该方法能够稳定地对车道线进行识别，准确地提取车道线参数，并且算法对车辆干扰有良好的抵抗能力。
设计的能够抵抗车辆干扰的车道线识别算法结构如图所示。
利用方向可调滤波器对图像进行预处理之后，能够有效强化车道线信息，抑制噪声并去除图像的无用信息。
结合雷达数据，车辆检测算法能够识别出前方行驶的车辆在图像中占据的位置，然后对车道线候选点进行判断，去除位于车辆占据区域内的车道线点。
对于剩余的有效车道线点，如果其数目充足，则直接利用这些点进行车道线模型参数的拟合，并根据拟合结果进行卡尔曼测量更新。
如果数目不足，则根据卡尔曼预测的结果，按照最小风险函数准则拟合车道线模型参数。
对车道线模型进行匹配之后，需要对结果的置信度进行检验，如果符合置信度要求，则进入车道线跟踪阶段。
如果不符合，则重新启动车道线的检测。
车道线候选点的挑选问题。
建立直线模型用来描述近视场区域的车道线，二次曲线模型用来描述远视场区域的车道线。
算法启动后，进入车道线的初始检测。
在利用EDF方法找到近视场区域的车道线方向并使用方向可调滤波器进行了图像预处理之后，利用霍夫变换（houghtransform，HT）找到车道线的大致位置，随后在其附近搜索车道线的内侧点（即左车道线的右侧点和右车道线的左侧点），将这些点作为车道线的候选点。
对远视场区域内车道线的初始检测利用近视场区域内车道线的方向特性。
完成初始检测之后，需要对检测到的车道线置信度进行确认，包括车道线的平行度、宽度以及用来拟合的车道线点的数目等等。
如果能够通过置信度检测，则进入车道线跟踪。
在跟踪阶段，根据上一轮检测到的车道线位置确定本幅图像的检测范围，并同样搜索车道线的内侧点作为车道线的候选点。
每一帧图像跟踪结束之后同样接受置信度检测，如果低于置信度指标，则重新启动初始检测模块。
抵抗车辆干扰。
如果直接对挑选出的车道线候选点按照车道线模型进行拟合，常常会受到前方行驶车辆的干扰而发生错误，如图所示。
图中远视场车道线的识别因为前方车辆的影响而偏离了正确的位置和方向。
为了能够抵抗车辆的干扰，在算法中加入了车辆识别模块。
算法主要由4个模块构成。
预处理模块负责对摄像机拍摄到的原始图像进行处理，从而得到后续识别所需要的图像，包括车辆下方的阴影图像、抽取出的水平边缘图像以及垂直边缘图像。
跟踪模块根据上一轮的车辆识别结果，利用原始图像数据以及预处理后得到的图像数据对这些目标进行跟踪，如果确认目标依然存在，则划定为本轮检测到的车辆。
如果目标已消失，则将此目标从跟踪档案中删除。
使用车辆跟踪技术可以降低算法的执行时间。
雷达探测模块将雷达数据和跟踪模块检测到的车辆位置进行对比，对于雷达新探测到的目标物，雷达探测模块负责在图像中进行确认，如果目标物得到确认，则加入本轮检测结果中。
视觉探测模块则对图像进行补充检测，对于跟踪模块和雷达探测模块已检测到的车辆区域，视觉模块不再进行重复检验，因此大大缩小了需要检测的图像区域。
为了降低视觉模块的误检率，在此部分采用了较为严格的确认条件。
利用车辆检测算法获取道路上行驶的车辆在图像中占据的位置信息之后，对每一个车道线候选点进行判断，如果在车辆区域内，则剔除该点，仅对剩下的有效车道线点按照车道线模型进行拟合，这样可以去除车辆的存在对车道线识别造成的干扰。
但是在前车距离本车很近、前方有车辆切入或者驶离本车道等情况下，车道线会有很大的区域被车辆遮蔽，当去除车辆区域内的干扰点之后，剩余的有效车道线点数目过少，不足以进行拟合操作。
在这种情况下，需要利用卡尔曼滤波对本幅图像中的车道线位置进行预测。
综合考虑卡尔曼滤波预测的结果、本幅图像中识别出的车道线点以及根据车道线等宽条件，由识别出的一侧车道线估计得到的缺失车道线点。
通过各种工况的实验，对系统的识别功能进行的测试，下图为实验图像。
实验表明测试结果达到预期目的。
综上，该方法能够在多种路况下稳定工作，并且对拥挤、复杂的路况具备良好的抗干扰能力。
算法的实时性较好，能够满足车辆的使用需要。
下一步的工作需要进一步提高车辆识别的准确度，降低误检率和漏检率，改进车道线检测方法以适应大曲率道路的识别要求。
2、如何保证系统的实时性和准确性？
当车辆以100km/h的速度高速行驶时，一秒钟将通过约30m的距离，如果系统的不能及时提醒驾驶员的不安全驾驶，有可能造成危险的后果。
接下来将根据相关图像处理方法和实验数据对系统的实时性和准确性的处理方法进行论述。
下面以安装在汽车内部后视镜位置的拍摄装置为例，通过具体的图像分析，讨论如何提高系统的实时性。
对于动态图像的处理最终也是通过对每一帧静态图像的处理来实现的。
下图是对每一帧静态图像处理的具体流程。
通过对比发现，在每一帧图像的处理过程中，系统感兴趣的部分是有车道线的路面部分。
系统启动后第一帧图像必须在整幅图中搜索，寻找左右车道线。
左车道位于图像的左半平面，右车道位于图像的右半平面，因此在车道检测过程中将图像分成左右两部分，分别识别左右车道线。
这种查找模式下有一种情况在现行的系统已得到解决。
当采集的图像中左、右两部分中只有一个查找到车道线，而另一部分未查找到车道线的情况下如何快速查找到所有的车道线？
解决这种情况的基础是车道线的宽度是标准的，在较小的范围内变化。
当出现这种情况时，系统将计算出另一条车道的大概范围，调整摄像装置的扫描区域，尽快查找到另外一条车道线。
由于车道偏离预警系统的主要应运是在高等级公路上，而高等级公路的设计和建设都具有严格的行业标准，车速为120km/h时的极限转弯半径为650m，一般最小半径为1000m，近视野内白线完全可以近似为直线。
因此在接下来的图像处理中，对于系统最终确定的车道线均近似为直线。
这为系统的处理节省了较大的资源。
接下来的图像，由于拍摄是连续的，图像序列中道路边界的位置不会出现突变。
因此，下一帧的车道识别是以上一帧的识别结果为基础规划搜索区域的，这样可以减少计算量，提高算法的实时性。
具体的系统处理流程图如下图：
通过这种算法，处理器的处理任务明显减少。
其中的关键原则是在图像处理过程中，根据前一帧图像的处理后确定的车道线位置、斜率及截距等数据，推算下一帧图像中车道线的位置，并相应扩大区域，在处理图像时，优先对这部分感兴趣区域进行处理，从而在正常情况下尽快确定确定车道位置，提高系统的实时性。
这种处理方式的具体处理流程如下图所示。
通过以上讨论，此种方法在理论上对系统的实时性得到了较大程度的提高。
3、车道偏离预警系统在内部硬件如何实现？
下面以基于视觉的车道偏离预警系统的典型计算机控制为例，对车道偏离预警技术内部运算模块的组成及工作原理进行分析和介绍。
系统主要是通过视觉处理算法和应用于车道跑偏决策的软件算法得以实现。
在基于机器视觉的系统中，实时性一直是一个主要的问题，尤其是像车道偏离预警这样的系统来说，要实现的算法更是覆盖了从图像预处理到高层视觉计算的整个视觉计算流程，既有底层的可高度并行实现的大数据量的卷积、灰度变换等规整算法，也包含有中层的特征提取等模式识别算法及高层的一些视觉处理方法，用以实现对道路的理解等。
图像数据是主要的传感器信号，获得高质量的图像数据对后期的处理和功能的实现具有较大的意义。
但是对于实际的应用环境，由于天气、光照等因素的影响，甚至是一系列特殊情况的出现，一般的图像传感器在各种条件下难以具有较好的鲁棒性。
为了较好的适应各种道路和天气状况，保证驾驶的安全性，一般采用了适合道路使用的CMOS数字摄像头芯片自主开发了视觉采集模块，该摄像头芯片通过159位SPI控制字可完全编程控制，较好的实现对曝光时间、增益和噪声等的调节。
同时，该摄像头芯片采用了一种多斜率的曝光模式输出，在不同的曝光模式下，控制曝光的时间也是不一样的，保证在光照过强或者光照条件非常弱的情况下，都可获得较好的图像。
从前端的图像采集模块，到最后的报警信号的输出，数据是不停的在FPGA（辅助逻辑控制和前端处理模块，主要完成图像的前期采集和一些类似直方图统计、卷积等底层的高密度图像处理工作）、SDRAM及DSP（高速计算芯片）之间进行传输和搬移，系统中的数据流程主要有以下四个方面：
Ⅰ、在FPGA中经过预处理的图像数据，首先必须存储到主存储芯片SDRAM中，这是后端高层处理的基础。
Ⅱ、DSP从SDRAM中读取最新的图像数据进行处理，并将处理的中间结果存于SDRAM中，这样的读写过程很可能是循环进行的，SDRAM的分块存储特性正适合这样的性能要求。
Ⅲ、为了系统调试的方便，很可能要求显示中间处理的结果，因此在FPGA上挂接了一块显示调试模块，调试时FPGA可从SDRAM中读取中间的处理结果进行显示。
Ⅳ、还有一种情况，某些情况下可能要求DSP和FPGA之间直接进行图像数据的传输。
综合上面的种种可能情况，考虑我们采用的DSP芯片同时支持FIFO和SDRAM芯片的无缝连接，设计了如图的数据传输方案：
4、有意识转向与无意识转向的辨识？
汽车在偏离原始轨道时有两种可能：
一种是驾驶员有意的变换车道行驶，那么此时发出的警告则为错误信息，有可能会影响到驾驶员的正常行驶；另一种是驾驶员处于无意中状态比如驾驶员注意力不集中或驾驶疲劳而引起的，此时的预警系统就会发挥其功能从而避免了事故的发生。
在实际的行驶过程中，系统是如何辨别驾驶员的有意识正常转向还是无意识状态下的危险行为？
下面以系统的主要触发部件为中心，讨论系统的判别依据和判别过程。
这里应该强调的是现行的车道偏离预警系统是根据多种触发部件的评价值综合判断系统的工作状态，不会仅仅依靠某一触发部件来完全控制车道偏离预警系统的状态。
1）转向灯
现在通用的做法主要是如果转向灯打开，则自动抑制车道偏离预警系统。
系统是以转向灯为参照标的。
这种实现方式的优点主要有以下几个方面。
首先，系统识别简单。
系统只需与转向灯的进行相应的连接，从而将问题简单化。
其次，能够纠正驾驶员的不规则驾驶行为。
如果驾驶员在不打开转向灯的时候进行变换车道的操作，系统会发出警报，提示驾驶员作出相应的操作，通过将系统的辨别功能交给驾驶员来完成。
再次，系统的成本低。
由于实现简单，元件价廉，因此这种方式在实际的应用过程中普及率较高。
最后，系统稳定性好。
这种实现方式的缺点主要表现为对经常不打开转向灯的驾驶员，系统的预警率会明显提高，这会导致驾驶员主动将车道偏离预警系统关闭。
总的来说，基于转向灯触发的车道偏离预警系统是现阶段应用最广泛的一个。
但随着系统的不断完善和人性化设计的需要，其发展及研究前景较小。
2）车速
通过车速触发系统的应用也非常广泛。
它的主要原理是当车速低于某一限定值（大众CC设定值为65km/h）时，系统自动关闭系统。
反之，则触发系统进入工作状态。
这种系统的设计合理性我们分析主要有以下几个原因：
第一，车辆在市区范围内，车速超过限定值的几率非常小。
市区范围内的频繁变道和停车都使系统的适用范围受到较大限制。
在低车速下，系统的自动抑制状态，为驾驶员提供了方便。
第二，低速下车辆的危险性较低，系统的使用性及预警性不能很好地发挥。
这种方式也较为简便，且已经在商用车上广泛应用。
3）转向器中轴的扭矩M（本组成员构想）
通过分析驾驶状态下驾驶员的状态，我们构想了通过转向器的受力情况来判断驾驶员的有意识转向与无意识转向。
首先对驾驶员的驾驶状态进行如下分析：
测正常行驶时驾驶员施加在方向盘上的力，那么人手搭载在方向盘上本身就有了一个压力，而且有的司机在驾驶时转弯时用手掌撮转方向盘，不是紧握方向盘的旋转；另外，还要区分司机是用两只手握还是一支手握，因为两只手和一只手的握力肯定不一样。
通过以上分析，我们发现，为了准确的测得驾驶员对转向器力的作用情况，排除各种状态下对力大小的干扰，我们取转向器中轴处的扭矩M为参考量。
无论驾驶员是以什么样的方式来转动转向器，最终都是以扭矩M的形式反映在了转向轴上。
这在最大限度上减少了沿方向盘轴向力的干扰，仅以转向轴的垂直面的受力情况为依据。
我们分析了正常驾驶状态、疲劳状态、注意力不集中三种情况下驾驶员对转向器的作用情况。
大多数情况下，转向器中轴的扭矩M存在一个临界值，当转向器中轴所受扭矩大于限定值时，为驾驶员的主动转向（有意识转向）。
反之，则为无意识转向，将激活车道偏离预警系统。
4）转向器的角加速度α（本组成员构想）
与扭矩M的判别方法类似，我们很自然地想到了转向器的角速度ω和角加速度α。
接下来逐一分析如下：
转向器的角速度ω。
在不同情况下，转向器的转动角速度ω都是不确定的。
我们几乎不可能找到一个确定的值作为系统触发的临界值。
经过同样的弯道，车速较低时转向器转角一般远远大于车速较高时的转向器转角。
尤其是在车速相当高时，转向器转角一般都非常小，转向器的角速度ω也较小。
低速时，转向器的角速度ω大多数情况下又很大。
这些不确定因素都导致转向器角速度ω不能简单的作为车道偏离预警系统的触发条件。
我们对角速度ω求一阶导数便得到转向器的角加速度α。
根据M=J*α可知，力矩是产生角加速的原因。
由于转向器的转动惯量J为定值，因此扭矩M与角加速度成正比。
也就是说转向器的角加速度α能够作为系统的触发条件，其也存在一个临界值，当转向器中轴所具有的角加速度α大于临界值时，为驾驶员的主动转向（有意识转向）。
反之，则为无意识转向，将激活车道偏离预警系统。
注：
这里所说的转向器中轴的扭矩M和转向器的角加速度α都是指瞬时值。
5）驾驶员状态监控（本组成员构想）
驾驶员的状态监控主要是指在疲劳驾驶、注意力不集中的驾驶环境下对车道偏离预警系统触发与否进行控制。
主要方式是通过安装眼动仪等装置，监控驾驶员的状态。
当发现驾驶员注视点不在设定的视野内时，将激活车道偏离预警系统。
反之，对驾驶员监控的结果为正常。
对于疲劳驾驶，通过监测驾驶员眨眼的频率及持续时间来判断驾驶员的状态。
如果发现眨眼频率或者持续时间超过设定值，则自动激活车道偏离预警系统。
反之，对驾驶员监控的结果为正常。
5、系统发出警示的判断方法和计算方法？
绝大部分的车道偏离预警系统都将车辆在车道内的横向位置作为计算警告发生与否的一个基础。
这些检测车辆横向位置的系统基本上可以分为两类：
基于道路基础构造的系统以及基于车辆的系统。
1）基于道路基础构造的车道偏离预警系统
基于道路基础构造的车道偏离预警系统用来检测车辆横向位置，需要对现有道路进行改造。
最典型的道路改造方式就是使用埋在道路下的铁磁体标记（通常为磁铁或电线）。
车辆传感器检测这些铁磁信号，利用信号的强度计算车辆在车道中的横向位置。
这种方法对车辆横向位置的估计精度能达到几个厘米，但这种方法最大的缺陷是道路改造耗资巨大。
主要有RRS和TLC等形式的系统。
RRS（Roadsiderumblestrips）是目前使用最广泛的，其横穿公路或沿公路边缘而筑的一系列突起地带，目的是使驶过该路面的汽车隆隆震颤，提醒驾驶员减速行驶或注意公路边缘。
TLC（TimetoLaneCrossing）是基于车辆将到达车道边界时间的预警算法，其时间的计算是通过在地面埋设有铁磁设备与行驶的车辆形成感应，并以此来计算车辆是否偏离车道的时间，当TLC值低于给定的时间阈值时就会发出警告声。
以上两种都是在驾驶员行驶时偏离车道时而起做作用，但都有一定的局限性，对于RRS型，其需要一定的基础设施并不能在道路上大量使用，且其费用较大，决定其距离阈值也是一个问题。
但其错误警告率相比较低，是大多数驾驶员可以接受的，警告时间相对又较短。
TCL可以提供较长的警告时间，但同时又伴随着较多的错误警告。
2）基于车辆的车道偏离预警系统
该类系统主要是利用机器视觉或红外传感器检测车道标识的位置，按照传感器的安装方式可分为俯视系统和前视系统。
基于车辆的俯视系统其优势就是在结构化道路上效率高并简单易行，并有可能取得更高的定位精度。
其不利的因素是只能在结构化道路上使用（必须存在道路标识，且道路标识能被有效识别）。
基于车辆的前视系统优势在于可以利用更多的道路信息，在没有道路标识的道路上也可以使用。
其不利因素就是用来定位车辆横向位置的一些图像特征点可能被其他车辆或行人干扰。
对于如何使预警系统发出正确的警告，就要检测驾驶员是处于何种状态。
目前有些系统在判断驾驶员是有意识还是无意识状态，是通过对转向盘上的传感器及转向灯是否开启来检测的。
当车辆的转向灯信号开启时，说明驾驶员有意图转向，此时屏蔽系统的偏离车道预警功能。
当本车距道路标识线的横向距离与横向车速的比值小于规定的时间时，认为车辆即将偏离车道行驶，需要报警。
例如DSS（DriverSupportSystem）系统特别之处在于，它能产生一个促使车辆回到自身车道中央的转向力矩，促进驾驶员采取正确的驾驶行为。
当然，该力矩不足以干涉驾驶员自己施加的转向力矩，从而保证驾驶员对车辆的完全控制。
系统的预警发生模型。
系统的预警算法如下：
通过车辆距道路标
升级会员 