随着视觉传感器硬件设备的不断进步和图形图像处理算法的快速发展,计算机视觉正在成为辅助驾驶领域内一类不可或缺的技术。基于视觉的辅助驾驶系统通过相机作为传感器来采集车辆周围的图像信息并进行处理和分析,从而为驾驶员提供辅助和提醒以保障车辆的行驶安全。本文主要针对辅助驾驶系统中的几个关键功能进行研究,包括:基于双目立体视觉的障碍物检测与标识,车道线检测与建模,车道跟踪及路面标识识别,为辅助驾驶系统中的一些关键技术和面临的难点提出一些改进和尝试。本文的主要工作如下:针对非结构化的路面提出了一种基于双目立体视觉的障碍物检测方法。通过立体视觉所提供的三维信息对车辆前方的障碍物进行识别。对于车辆前方危险距离内的障碍物可以及时为驾驶员发出警报,甚至做出紧急制动等驾驶行为,辅助车辆安全行驶。研究了一种车道线检测与建模方法。针对道路上车道线形状复杂多样的问题提出了一种双曲线车道模型,该模型能够使用较少的参数来对形状各异的车道进行有效表述;针对车道线模型容易受到光照、遮挡、阴影等环境因素影响的问题,使用RANSAC算法来对车道线建模,增强了系统的鲁棒性,提高了建模效果。完成了车道跟踪及路面标识识别算法。通过使用卡尔曼滤波算法在时间域内对车道线所在位置进行跟踪,并对驾驶员的换道行为进行检测。通过结合路面标识识别结果进行比对,从而对驾驶员的驾驶行为进行分析,提醒驾驶员按照交通法规正常行驶。最终完成了对整个系统的实验。通过使用开源数据集来模拟车辆行驶过程中的环境信息,并对系统的各个模块功能进行实验分析,证明了本文算法的有效性和系统的鲁棒性。