准确地对前方车辆测距是防止车辆追尾的基础,针对传统汽车辅助驾驶系统(ADAS)对前方车辆测距实时性不高、精度低的问题。本文提出了一种基于双目视觉的前方车辆检测及测距方法,通过减小车辆检测的感兴趣区域和改进影响测距精度的ORB特征匹配算法,实现对前方车辆快速、准确地测距。主要工作和成果如下:(1)研究霍夫变换算法的点线对偶性和车道线成像斜率(角度)筛选出车道线的方法,利用车道线信息划定车辆检测的梯形感兴趣区域,排除了天空、树木等无关因素干扰,提高车辆识别率和检测速率。(2)根据路面灰度直方图呈现正态分布这一数学特性,给出一种基于动态阈值的车底阴影分割方法,设定阴影分割阈值为路面灰度下限值进行阴影分割,解决了传统阴影检测受路面灰度变换而效果不理想的问题,再根据车底阴影划定车辆候选区域,进一步提高了车辆识别率和检测速率。(3)利用车辆MB-LBP特征构造弱分类器,再使用Adaboost机器学习算法离线训练弱分类器形成车辆检测的强分类器,通过实验证明,车辆识别率和误别率比传统算法得到明显改善。(4)提出一种改进的ORB特征匹配算法,首先使用拉普拉斯极值方程检验传统ORB算法提取的角点,剔除不稳定角点,有效解决了传统ORB特征匹配时存在大量误匹配问题,通过实验证明了改进后的算法在视差图精度和抗噪声性能方面有明显提升。