道路前方运动车辆检测是高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)的关键技术之一,该技术对减少交通事故,提高驾驶体验具有重要意义。目前车辆检测技术主要有,基于激光雷达,基于毫米波雷达和基于机器视觉的方法。综合考虑技术成本及实现难度,本文基于机器视觉的方法,利用数字信号处理器(Digital Signal Processor,DSP)为核心芯片,从而实现车辆检测与跟踪。基于单目视觉的车辆检测技术,开发一种具有鲁棒性、实时性的算法是众多国内外研究人员需要突破技术难点,因此本文围绕着车辆检测算法的研究与实现展开了以下研究工作:(1)研究了一种基于车道线的感兴趣区域(Region of Interest,ROI)确定的方法。首先,利用135°+255°的Sobel算子对车道线边缘进行提取;其次,基于Hough变换选用θ角度范围为[-60,-30]或[30,60]进行车道线提取;最后根据两车道及消失点确定梯形ROI。该方法最大程度减小车辆搜索范围,同时降低复杂路面上的信息干扰。(2)研究了一种变矩形探测窗口的自适应车底阴影阈值计算方法。根据运动车辆的车底阴影面积大小在图像中的变化规律,利用长宽比为5:1的变矩形探测窗口在ROI内遍历求出阈值。实验表明,利用该方法求出的阈值在多种路况环境下对车底阴影分割具有良好的效果。(3)研究了一种基于车辆宽度模版的车底阴影线快速提取方法。根据车辆宽度与车道宽度比例确定车辆宽度模版,并由下至上逐行求出最小灰度均值,从而生成车底阴影线。该方法可以快速、准确的确定车底位置。(4)基于DSP实现实时车辆检测与跟踪。首先,利用DM6437设计实时图像采集系统;其次,在间隔帧数阈值计算方法的基础上将车辆检测与跟踪算法植入DSP中;最后,设计车载视频及玩具小车的实验平台对算法进行验证分析。实验结果分析表明,本文所述基于DSP车辆检测与跟踪算法具有准确性高、鲁棒性强和实时性好的特点。在简单路况环境下准确率为96.0%,复杂路况环境下准确率为90.1%,对单车道车辆检测与跟踪每秒平均处理速度可达到23帧/秒。