随着科学技术的飞速发展,嵌入式智能车辆避障研究越来越受到人们的重视。为了提高智能小车在未知环境下行驶的安全性,本文将机器视觉技术应用到车辆障碍识别系统中,通过对环境信息提取准确的判断出前方的目标障碍物,促进小车障碍自动识别技术的进一步发展。本文在ARM(Advanced RISC Machines)平台上,对智能小车的障碍自动识别系统进行深入探索和研究,利用机器视觉技术将采集到的路面信息转换成图像信号,并将其与障碍自动识别技术进行了有机的结合。然后通过软件测试和实物实验对智能车辆在未知环境下避障进行了验证,旨在通过对障碍自动识别系统问题的研究,为今后智能小车技术的发展和应用提供安全保障。论文从机器视觉在智能小车上的应用出发,针对具体工作要求,对障碍自动识别系统的各部分进行了设计。采用ARM S3C2440处理器作为整个障碍识别系统控制核心,建立了系统的硬件平台框架,包括主控板与核心板模块、USB摄像头图像采集模块、直流电机驱动模块以及系统供电模块等。然后,在硬件平台的基础上,构建了基于ARM的车辆障碍自动识别系统的软件平台,建立起嵌入式交叉编译环境,并完成了OpenCV和Qt图形界面库的移植。接着采用图像采集模块获取的路面环境图像信息,利用区域生长的方法提取目标障碍物,从而识别智能小车运行中的路况以及障碍与小车之间的位置关系。并且根据智能小车与障碍物之间可能的几种位置关系提出了基于固定区域分割思想的避障算法,在Linux系统下编写机器视觉处理和自主避障的控制程序。最后通过构建的实验平台,将本文所设计的车辆障碍自动识别系统应用在真实环境中,完成ARM小车自动躲避障碍物的实验,证明本文提出的避障方案在实际避障中的有效性,并根据实验结果分析障碍识别过程中出现的若干问题以及解决这些问题的相应对策。