随着我国高速公路建设的飞速发展和人均汽车占有量的日益增加,交通安全方面的问题已经成为不可忽视的问题。因此,能够对前方车辆进行实时检测和测距是车辆安全行驶和自主导航的重要措施,也是智能交通系统研究领域的热点之一。虽然目前对车辆的检测有很多经典的检测算法,如,帧差法,光流法等,但是这些检测算法不太适合检测前方运动中的车辆。论文根据前方车底阴影的特性提出了一种有效的检测算法,并且通过比较基于不同传感器的测距方法的优缺点选择了基于机器视觉(单双目)的测距方法,实现对前方最近车辆距离的测量,为驾驶员提供准确的辅助驾驶信息。论文主要完成了以下工作:(1)介绍了各种不同方式的车辆检测算法,分析各种算法的适用场景及优缺点。阐述了基于红外线、超声波等传感器前方车辆测距的弊端,突出了机器视觉测距技术的应用前景。(2)根据车辆底部始终稳定的存在阴影这一特性,采用两次自适应阈值分割算法把车辆从复杂的实际背景下分割出来,并生成车辆假设区域。根据车辆尾部的对称性,采用sobel算子的边缘检测计算其对称性测度,以便过滤掉已生成的虚假车辆,保留真实车辆。(3)研究摄像机成像原理,利用张正友平面标定法对摄像机内部参数进行标定,然后分别采用单目视觉测距法和双目视差测距法对前方车辆实时测距,并且分析比较两种方式的测量结果。(4)在Lab VIEW平台上开发基于机器视觉的前方车辆检测与测距系统软件,利用Lab VIEW的计算机视觉库完成系统各个模块的开发,并在实际的道路环境中进行系统实验,实验结果表明,本系统能够较准确的检测到前方车辆,并且两车之间的距离最近可以测到10米以内,最远可以测到50米左右,满足安全车距50米的要求。