随着私家车保有量的不断增加,交通安全问题逐渐受到人们的重视,因此能够提高行车安全性的车辆辅助安全驾驶系统成为当前的研究热点。本文以高速公路、城市环路为典型工况场景,研究并实现基于单目视觉的前向车辆检测、跟踪与测距算法,进而实现基于单目视觉的前向车辆碰撞预警系统开发,提高车辆驾驶安全性。具体的工作内容如下:1.本文研究并提出了一种改进的基于车底阴影的融合特征车辆检测算法,提高了对工况场景适应性和算法运行速度。并在此基础上提出了一种基于车底阴影区域假设的梯度方向直方图特征与支持向量机的车辆检测算法,进一步提高了车辆检测准确率。研究并实现了基于主动学习框架的类Haar矩形特征与级联分类器的车辆检测算法。通过引入主动学习框架迭代提升分类器性能,车辆检测准确率达到92.7%,算法实时性较好。2.本文研究、实现并对比了基于核函数加权颜色直方图的MeanShift车辆跟踪算法和基于实时压缩感知的车辆跟踪算法在车辆跟踪方面算法性能差异。相比之下,基于实时压缩感知的车辆跟踪算法对光照变化不敏感,能够实现复杂驾驶场景下实时、稳定跟踪多车辆目标。3.研究并改进基于逆透视投影原理的前向车辆测距算法,通过自制标定靶面,引入参照物实现投影坐标系下对前方多目标的准确、实时距离估算。针对不同摄像采集设备的畸变差异,提出使用基于相机标定技术的畸变校正处理,提高后续距离计算精度。整体车辆测距算法满足绝对误差小于10%的设计指标,计算精度较高,实时性较好。4.根据前述算法对比分析,本文提出两种基于单目视觉的前向车辆碰撞预警软件设计方案,并使用MATLAB环境快速进行算法原型搭建,批量测试和优化迭代,进而实现可移植C/C++代码的自动生成。实验表明,所提出的基于单目视觉的前向车辆碰撞预警系统在典型工况场景表现良好,能够实时、稳定检测前方车辆,实现碰撞预警,使用上述工作流程自动生成的工程源代码可读性高,执行效率快,代码鲁棒性强,对相似工程需求有借鉴意义。