增强现实抬头显示系统(AR-HUD)在驾驶员正常驾驶视域内,将驾驶辅助信息与实际交通场景相融合,既能扩展环境感知信息,又能避免驾驶员过多地低头查看仪表,从而有效地提高了驾驶的安全性。AR-HUD技术得到了汽车电子业界的高度重视,已成为汽车智能化技术研究的热点,但是若真正实现规模化实车应用,仍有许多相关技术问题亟待解决。本文针对AR-HUD工程应用中的目标检测深度网络的轻量化问题、系统组合标定和虚像畸变处理等问题展开研究,主要内容如下:1.针对嵌入式环境下基于深度学习的目标检测算法的实时性问题,本文利用轻量化神经网络Mobile Net降低网络参数量与模型大小,采用长短期记忆网络,设计了一种含有时间维特征的基于Mobile Net-SSD的道路目标检测算法。实验验证了该算法在嵌入式环境下在保证目标检测准确率的同时能有效提高目标检测的实时性。2.针对AR-HUD工程应用中的系统组合标定和虚像畸变处理问题,本文提出了AR-HUD系统标定方法和多种虚像预畸变算法。其中AR-HUD系统标定方法包括多相机组合标定与AR-HUD投影虚像所在位置和大小的测量;虚像预畸变算法包括静态眼位条件下AR-HUD图像预畸变的线性插值算法、动态眼位条件下AR-HUD图像预畸变的多重线性插值算法以及动态眼位条件下AR-HUD虚像预畸变的神经网络学习方法。通过实验验证了本文提出的AR-HUD系统标定方法能有效提高AR-HUD系统标定精度,虚像畸变矫正算法能有效改善AR-HUD虚像的畸变问题。3.针对AR-HUD系统工程应用实际需求,本文综合应用上述方法,研究设计了车载AR-HUD系统AR控制器中基于多眼位的虚实注册、虚像预畸变、安全预警等功能软件模块,并在实车上进行了系统的道路实验,验证了本文相关算法在车载AR-HUD系统中的有效性,验证了AR方法对于实现驾驶环境信息的增强、提高驾驶系统的安全性和用户体验方面的重要作用。