车辆换道是引发交通事故的主要原因之一,如果在前车换道之初就能识别其换道意图,将在一定程度上完善辅助驾驶的决策系统,在必要时为驾驶员提供危险预警,规避可能发生的碰撞风险。本文提出基于机器视觉的前车换道意图识别方法,论文主要内容为:（1）为获得前方车辆在图像中的准确位置,选择车辆的尾部作为检测对象,使用目标检测网络YOLOX作为基础网络,在此基础上增加注意力机制以提升检测准确性,通过在自定义的车辆尾部数据集上进行训练测试,结果表明添加CBAM注意力机制的网络比基础网络的AP精度增加了1.3个百分点,在保证检测速度的情况下,提升了检测精度。（2）在车辆位置检测的基础上,使用检测到的前车尾部矩形框的下边中点作为测距点,根据单目视觉成像过程中的几何关系计算前车相对于本车的横向距离,为了减小由车辆俯仰和横摆运动带来的误差,运用道路消失点检测的方式估计相机姿态角,并提出了修正相机姿态角的前车横向距离测量方法,通过实验显示该方法具有较好的测量精度。（3）构建基于改进LSTM的前车换道意图识别网络,对NGSIM数据集中的车辆轨迹数据进行筛选和降噪,选择车辆的横向距离和横向速度作为网络输入变量,通过滑动窗口法制作训练数据集,对模型训练的同时进行参数寻优,通过对比不同滑动窗口长度下的识别准确率,得到最佳时间窗口长度为4.2s,模型对换道意图识别的准确率达90.9%。（4）利用Python语言编程实现基于机器视觉的前车换道意图识别方法,使用单目摄像头在实车上采集前车图像并进行实验验证,结果表明本文的前车换道意图识别模型对实车采集数据的整体识别准确率达95.3%,在保证实时性的同时具有较好的识别精度。