汽车辅助驾驶系统的研究是近些年来计算机科学领域兴起的又一个热门研究方向,该系统的目的在于帮助驾驶者建立一个安全可靠的驾驶环境以减少交通事故的发生。该技术通过模拟人眼的视觉机理,用固定好的一组摄像机获得驾驶环境信息并进行感知和判断,最终通过发出预警来辅助驾驶者进行安全驾驶。由于车辆驾驶环境的特殊性,作为安全有效的汽车辅助驾驶系统,必须能够达到实时性要求,只有这样才能体现出其应用价值；与此同时,汽车辅助驾驶系统需要鲁棒地应对多变的驾驶环境,也就是说在面对不同的道路环境、复杂的路面状况以及多变的气候条件等都可以进行良好的判断。为此,研究新的算法来同时满足感知判断的实时性和鲁棒性要求是当今机器视觉领域筮待解决的关键难题。将光流场应用于智能驾驶系统时,由于真实的驾驶环境比较复杂,受光照影响,前后帧图像间对应像素匹配难度较大；并且,在实际驾驶时,由于车速一般较快,前后帧图像间视差较大,而这两个条件是经典Horn-Schrank光流法的致命缺陷。本文重点阐述了对图像进行高提升滤波预处理之后,利用由粗到细的图像金字塔来解决大视差存在的场景,并利用双向求解的一阶近似总变分法(TV-L’)计算前后帧图像间的光流场,最后将得到的光流场进行HSV色彩编码,将其投影到色彩空间,以得到更好的视觉效果。本文具体的工作包括以下所述四个方面：1.研究了针对真实驾驶环境的有效的图像预处理。通过对图像的低频滤波和高频滤波以及原始图像进行光流计算,分析出现不同结果的原因,创新的将改进后的高提升滤波引入到光流场的计算,不仅提高了对光照等噪声的鲁棒性,并保留了图像的低频框架信息。2.研究了图像金字塔算法对于快速行驶车辆带来的大视差的鲁棒处理。由于经典Horn-Schrank光流法运动平滑的约束在真实的驾驶环境中是无法满足的,所以对图像进行由粗到细的多级尺度迭代,对原始图像进行层层的抽样得到粗尺度,然后通过先计算粗尺度图像的光流场,这样就可以满足光流的运动平滑约束,最后由粗到细,进行同等插值,逐步得到原始图像的光流场,如此处理的计算复杂度大约是原始图像光流计算复杂度的4/3倍,但却可以很好的解决大视差存在的场景。3.用一阶绝对值近似代替平方和的形式的总变分法(TV-L1)的应用大大简化了光流计算的复杂度,双向求解的TV-L1光流更进一步提高了光流计算速度。在光流能量函数聚合参数δc设定为0.01时,经典的Horn-Schrank光流法计算一对大小为640×480,帧率为15帧/s的前后帧图像的光流时需要0.855s,而双向求解TV-L1光流仅需要0.558,时间效率提高了34.7%。4.通过对已得到的光流场进行颜色编码,将运动方向映射到色相上,将距离信息映射到饱和度上,增强光流结果的可视性,可以更好的对目标进行判断,也为下一步的图像分割识别处理奠定了基础。最后,总结了目前已做的工作,并对将来需要努力的地方做出了展望。