汽车产业正在发生着重大变革,车辆的智能化已经成为汽车行业发展的重点方向之一。对于智能车辆来说,环境感知技术是实现车辆路径规划和决策的基础。由于立体视觉传感器成本低廉并且能够提供丰富的图片的纹理信息和深度信息,有助于降低工程开发成本和提高目标检测的准确度,因此本文采用立体视觉和基于立体视觉和单目识别的车辆检测技术研究相结合的方法感知交通环境。首先,本文基于立体视觉的相关理论,推导双目立体相机的成像模型,获取相机标定参数和视差图,建立立体视觉三维重建的数学模型,为后续测量目标距离提供准确数据源信息。将统计学原理应用于视差图中构建V视差图,采用随机采样一致性算法(Random Sample Consensus,RANSAC)拟合地平面在V视差图所投影形成的倾斜直线,得到路面的平面方程,从而估计地面和天空的视差值。参考每一行地面视差值,计算每一个像素点的道路得分和障碍得分,生成代价图像,利用动态规划求得每一列路面和障碍物的交点。通过隶属度函数确定障碍物高度,最终确定障碍物区域。其次,在障碍物区域的基础上使用支持向量机(Supported Vector Machine,SVM)训练车辆方向梯度直方图(Histogram of Oriented Gradient,HOG)特征识别目标车辆,将障碍区域检测结果与支持向量机识别车辆结果结合优化目标车辆障碍框。实验结果表明,针对ZED相机,SVM结合HOG特征检测前方车辆具有较高的精度。最后,提出一种基于直方图统计计算目标车辆在三维坐标系下相对于本车距离的方法。统计车辆目标框内像素点距离值,确定距离计算区域,计算直方图面积中心获取目标车辆相对本车距离。虽然直方图的引入一定程度上提高了距离检测的精度,但计算结果仍较为粗糙,因此本文引入Kalman滤波算法优化目标车辆距离,实验结果表明该优化算法有效提高距离测量的准确性和平滑性。对距离求一阶差分计算目标车辆相对本车速度。通过搭建立体视觉系统所需的软硬件配置,验证障碍检测算法距离检测算法的准确性和实时性。