随着民用汽车保有量的逐年增加和车辆追尾事故的激增,道路交通安全问题越来越受到重视。而作为汽车驾驶辅助系统的前向防撞报警模块,也得到了越来越多汽车厂商的关注。基于视觉的前车检测和测距系统具有成本低、检测信息全面等优点,本论文基于视觉的目标检测算法,研究了单目视觉的前向车距检测方法,完成了以下工作:(1)通过检测车道线提取了前方行驶车辆区域,通过优化非结构化道路区域获取了感兴趣区域,另外针对特定场景,为了便于后续车辆检测,研究了图像增强技术。(2)构建了车载行驶摄像头数据集,优化了YOLO(You Only Look Once)深度卷积神经网络的聚类算法,提高了车辆和车牌的检测效率与准确率。(3)通过对前车车牌特征点的透视几何运算获取了前车距离,为坡道测距问题增加了车牌面积测距的验证条件,提高了测距的稳定性。(4)设计了基于PyQt5的图形界面并实现了功能封装化,验证了实验的可行性和稳定性。针对复杂环境中的图片序列测试问题,采用轻量化模型可以在限定区域内保证识别率,特别是在乡镇道路以及城市道路等复杂环境中具有良好表现。最后的实验结果表明,本论文提出的基于单目视觉的前向车辆测距方法可有效地应用于车辆检测、测距等辅助驾驶系统。