近年来,随着汽车的普及,交通事故问题日益突出,而由倒车所引起的交通事故占有很大的比例。因此,倒车时对车后环境的感知非常重要。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,因而基于视觉的障碍物检测正成为倒车辅助研究领域中的热点。本文通过对现有障碍物检测方法的分析比较,根据自车的不同运动状态采用不同的实现策略。当自车静止时,采用基于背景差分的方法进行障碍物的检测,而当背景模型未建成时,则采用基于帧间差分的方法进行障碍物检测。当自车运动时,本文提出一种基于多帧图像的障碍物检测方法。该方法首先建立自车运动模型,利用从传感器获得的自车相对于路面的运动参数,对当前图像上的像素点在最近的多帧图像中进行对应点的寻找。其次,对多帧图像的共有点建立分布模型。第三,基于已建立的分布模型,利用障碍物与道路平面运动的差异性,检测当前图像像素点的属性(道路平面或障碍物),生成二值化结果图。最后,对二值化结果图像排除噪声点并提取出障碍物区域。本文所提出的算法已经实现并应用于东软集团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,该算法在识别率和性能方面都达到了预期效果。