全自动无人驾驶已成为未来城市轨道交通的发展趋势，在全自动无人驾驶列车快速发展的背景下，列车运行的安全性成为首要问题。为保障全自动无人驾驶列车的运行安全，使列车在面对突发障碍物时能够实现智能预警、高效避障，精确检测、定位、跟踪前方障碍物，推进目标检测与跟踪技术的研究、应用进展成为现实需求，障碍物目标检测与跟踪技术的研究具有重大的现实意义、应用价值。
　　障碍物检测与跟踪系统硬件由摄像机、工控机等组成，高性能工控机对摄像机采集到的列车前方图像数据进行算法计算分析，判断列车前方是否存在障碍物。本文首先对摄像机设备进行了标定以获取内、外参数，基于摄像机相关坐标系的转换关系和透视变换原理，建立目标测距模型，实现对障碍物目标的测距。其次本文提出了轨道线的定位与车辆限界确定方法，即在对采集的图像数据进行灰度化、直方图均衡化等图像预处理后，以sobel边缘检测方法提取轨道轮廓，通过形态学重建的开运算与顶帽运算方法去除图像的复杂背景，实现轨道线的提取，对于提取的直线轨道线通过Hough变换以实现数学参数描述，对于提取的曲线轨道线通过B样条曲线插值拟合来求解，最后对已知数学参数的轨道线进行像素比例偏移即可确定车辆限界范围，车辆限界范围将作为目标检测与跟踪的图像处理区域。
　　本文提出了基于金字塔光流法和三帧差分算法相结合的障碍物目标检测算法，在获取的Harris角点上进行稀疏光流场计算，初步确定目标运动的范围，在实现相邻帧间图像的图像背景补偿后，通过三帧差分算法在确定的范围内进行障碍物检测，以获取障碍物目标定位;提出了基于归一化积相关算法的动态障碍物跟踪算法，以计算图像方差的方法确定目标跟踪的初始图像模板，将初始图像模板输入至卡尔曼滤波器以输出目标预测位置，将预测位置邻域作为图像模板搜索区域，通过归一化积相关算法进行图像相似性度量以实现图像模板匹配，匹配过程中模板进行自适应更新，如此便实现了动态障碍物的运动位置跟踪。在仿真实验中验证了本文提出的算法具有良好的检测与跟踪效果，在列车的障碍物检测技术研究上，本文具有一定的工程应用参考意义。