基于机器视觉的辅助驾驶系统是发展智能车辆、提高驾驶安全性以及降低交通事故的前提保障。其中所涉及到的对前方运动车辆进行实时准确的检测识别技术和与本车之间距离测量算法是两个研究的热点方向。众所周知,基于机器视觉的检测识别技术相较于超声波、激光、雷达等,具有更多的信息量、更符合人眼捕捉信息的习惯、成本更低廉等优点。同时为了提高实际应用价值,整个算法必须具备较高的实时性、鲁棒性以及准确性。基于此,本文在总结前人车辆检测技术成果的基础上,对车辆检测技术做了新的尝试。并且还对基于机器视觉的前方车辆距离测量算法进行了理论推导。论文的主要工作总结如下:1.对基于机器视觉的辅助驾驶系统中车辆检测与测距的研究目的、意义进行了详细的介绍说明;然后介绍了现今国内外对车辆检测以及前方车辆距离测量的研究现状。2.详细介绍了几种常见并经常使用的图像特征提取算法,对AdaBoost以及SVM两种机器学习的方法作了详细的理论介绍,同时确定了本文将要使用的特征提取算法,以及机器学习分类器的选择。3.本文研究并提出了利用车辆的边缘特征以及Bag-of-Features(BoF)模型两者的融合对前方运动车辆进行实时准确的检测识别,并详细介绍了生成车辆假设存在区域和假设区域验证两部分。该算法主要对图像进行预处理后,利用Sobel边缘检测处理生成得到车辆假设存在的区域;然后,再利用Bag-of-Features的K最近邻域算法对假设存在区域进行验证,以提高算法检测的准确率。4.研究摄像机成像原理,分析并推导测距公式。利用张正友法对摄像机标定求取内部参数并带入测距公式,得到准确率较高的测量结果。