本文从车辆主动安全系统中对车辆进行横向和纵向控制的角度出发,针对车道偏离检测、运动车辆检测与跟踪、车距测量与车辆避撞等问题,研究以机器视觉作为感知手段的外界信息获取方法。论文深入分析了车载摄像机成像的基本原理,改进了视觉检测方法,取得了较为满意的结果。本文的主要研究内容及成果包括:　　 (1)采用模型与特征相结合的方法实现了结构化道路的识别与跟踪。根据结构化道路的实际特点,选择直线模型作为道路模型,设置感兴趣区域并通过Hough变换检测出车道线特征,从而实现了对道路的识别。其中,感兴趣区域的位置和大小由Kalman滤波器动态地确定,降低了Hough变换的计算成本,提高了算法的实时性。另外,文中还将道路图像转换到HIS颜色空间,解决了黄色车道线的检测问题。　　 (2)提出了车载摄像机内部参数离线标定、外部参数在线调整的摄像机标定新方法。由于在车辆行驶过程中摄像机内部参数保持不变,因此可采用平面靶标方法在离线状态下对其进行标定。而摄像机外部参数会由于车辆颠簸等原因发生改变,影响到车道偏离和车距测量的精度,处理的方法是根据图像中车道线消失点的位置以及车道线斜率关系,并结合内部参数的标定结果,在线调整摄像机外部参数。从而避免了对所有摄像机内外参数进行标定的复杂过程,同时也提高了视觉测量精度。　　 (3)提出了基于车道线斜率的车道偏离检测新方法。通过对针孔模型下摄像机成像公式的理论推导,得到了车道偏离率与图像中两侧车道线斜率比之间的简单函数关系。通过对道路现场试验与手工测量结果的比较表明,该车道偏离检测方法达到了较高的测量精度。　　 (4)以道路检测结果作为约束条件,采用基于特征和基于运动分析的方法实现了本车周围运动车辆的检测。在检测本车道内前方运动车辆时,首先根据车底阴影检测结果得到车辆的疑似区域,再通过车辆尾部的灰度和边缘对称性检测进一步确认前方运动车辆。而对于相邻车道内后方超车车辆,则分别采用了背景差分法和稀疏光流法两种方法进行检测。　　 (5)将Kalman滤波技术与Mean Shift及CamShift算法融合,实现了对前方运动车辆的跟踪。试验结果表明,该方法能够在弯道、不同车距、环境中存在干扰以及天气、光照发生变化等各种情况下实现对运动车辆的稳定跟踪。　　 (6)提出了基于车道线消失点的车距测量新方法。从摄像机成像原理出发,推导出基于单目视觉的车距测量公式,并通过现场试验证明该方法具有较高的车距测量精度。同时完成了摄像机安装高度、俯仰角、方向角等外部参数变化情况下的车距测量试验,给出了影响车距测量结果的误差因素及相应的处理方法。