高级驾驶辅助系统（Advanced Driving Assistant System,ADAS）可有效避免交通事故的发生,是当前汽车主动安全领域的研究热点。前向碰撞预警系统（Forward Collision Warning System,FCW）作为ADAS技术之一,先通过分析传感器获取的前方道路信息对前方车辆进行识别并测距,再根据安全距离模型判断追尾可能,当存在追尾危险时进行预警。但在雨天行车时,车载摄像头拍摄的图像可能被镜头前的雨滴或者空中的雨线条纹所遮挡,影响车辆检测的准确度。并且雨天路面湿滑,两车间的安全距离会发生变化,可能使前向碰撞预警系统预警不及时。本文针对以上问题设计了适用于雨天环境的前向碰撞预警系统,研究内容如下:（1）提出了一种雨天环境下的车辆检测方法。首先使用基于改进的生成对抗网络（Generative Adversarial Networks,GAN）对图像进行去雨,该算法在网络的生成器中加入注意力模块,并在patch-GAN判别网络中加入一层卷积,用于提取注意力掩码图,进行局部鉴别,利用注意力机制在提升网络去雨效果的同时保留图像细节。使用该算法对雨天图像进行去雨处理后,再使用YOLO v4算法对图像进行车辆检测。本文使用多种数据集将本文方法与其它方法进行了对比实验,实验表明本文方法有良好的去雨效果,并且能够有效提高雨天车辆检测的准确率。（2）提出了一种基于图像识别的路面附着系数估计方法。首先研究了基于卷积神经网络的路面类型识别算法,使用该算法对车辆所行驶的路面图像进行判断。实验采集了干燥沥青、干燥水泥、潮湿沥青、潮湿水泥四种路面图像对算法进行了验证,结果表明本文网络有较高的识别准确率。在识别出路面类型后,使用Burckhardt路面附着系数估计模型,对不同路面取其对应参数,计算附着系数。（3）研究了雨天环境下的前向碰撞预警算法。提出考虑路面附着系数的多工况安全距离计算方法,先根据不同路面的附着系数确定车辆在该路面的制动减速度,再根据前车静止、匀速或者减速的不同情况计算安全距离。实际车距则是通过坐标变换的方法使用摄像头进行测量。仿真实验表明算法计算的安全距离较为合适,在雨天环境下也能有效预警。