随着世界经济的稳步增长和汽车价格的不断下降，近年来私人汽车的持有量显著上升。在享受汽车带来便利的同时，因交通事故而产生的问题也日益突出。据统计，由于车后盲区所造成的交通事故在中国约占30％，美国占20％。因此，准确识别车辆周边环境的信息是十分必要的。然而，现有的倒车辅助产品大多是基于雷达或超声传感器的，存在检测范围小、有盲区，对行人特别是儿童等小对象的检测性能差或无法正确检测的问题。由于视觉传感器具有检测范围广和提供信息丰富的特点，并且考虑到成本、电力消耗等问题，基于单目视觉的障碍物检测成为倒车辅助研究领域中的热点。　　目前，基于视觉的障碍物检测方法大部分都遵循两步法步骤:假设产生和假设验证。假设产生用于得到感兴趣区域(ROI，Region of Interest)，假设验证用于对ROI进行障碍物存在性验证。据此，本文提出了一种基于视觉的障碍物检测算法，该算法采用两段式对障碍物进行检测。在假设产生阶段采用了一种基于改进的运动补偿的障碍物候选区域检测算法，即先利用障碍物的纹理和垂直性选取出运动补偿区域，再在估计出或从传感器获得的自车相对于路面的运动参数基础上，按建立的自车运动模型对序列图像中运动补偿区域进行双线性插值的运动补偿，后利用图像的相似度和运动补偿差分信息提取出障碍物候选区域;在假设验证阶段采用了一种基于改进的特征信息的障碍物候选区域验证算法，它对候选区域进行两步验证:首先，利用障碍物的垂直边缘特征对障碍物候选区域中图像块进行改进的直线检测与地面投影，根据投影信息判断图像块的属性，进而达到验证障碍物候选区域的目的;其次，对障碍物候选区域中图像块做特征点检测与改进的跟踪、点对的地面投影和属性判定后，利用障碍物的点特征确定图像块的属性，进而验证障碍物候选区域。　　本文所提出的算法已经实现并应用于东软股份有限公司汽车电子先行技术研究中心的识别引擎中。通过在实际场景中的测试表明，该算法在识别率方面都达到了预期效果。