随着我国高速交通系统的迅速发展,交通安全成为越来越重要的社会问题,引起了社会的普遍关注。因此,智能汽车安全辅助驾驶系统已成为研究的前沿和热点,在确保车辆行驶安全中发挥着至关重要的作用。 本文研究了基于单目视觉的汽车安全辅助驾驶系统中的关键技术--车道识别和车辆识别技术。从理解车辆行驶环境的角度出发,运用单目视觉技术对行驶车辆前景中的车道和前方目标车辆进行检测,以获取本车与当前车道的相对位置信息和方向信息,以及与目标车之间的距离信息。文中在综合设计了整个车道识别与车辆识别系统的同时,主要对处理算法进行了深入研究。 首先,提出一种基于统计特征的车道识别方法。针对车道的方向特征,采用了改进Sobel算子和最大类间方差法对原始图像进行预处理。采用Hough变换法对车道进行初始检测。利用统计预测法和Kalman滤波技术对车道进行实时跟踪。该方法提高了系统的实时性和鲁棒性。 其次,提出一种基于改进SUSAN算法的车辆识别方法。采用了自适应双阈值法提取车辆底部阴影；结合车道参数动态规划车辆初始检测区域,在该区域内采用改进SUSAN算法进行前方目标车辆边缘检测,准确定位车辆边缘；在车辆跟踪模块中加入了Kalman滤波算法,提高了目标识别的连续性。 再次,提出一种实用的摄像机线性标定方法。该方法利用透视投影的交比不变性原理标定镜头的畸变系数,基于摄像机成像的单应性矩阵及内部参数的基本约束,线性标定出其他摄像机参数。该标定方法简单,容易实现,只用到线性算法,避免了非线性算法可能遇到的不稳定性问题。 最后,在车道识别和车辆识别的基础上,利用逆透视变换法实时测量本车与两边车道的位置关系,根据本文提出的车道偏离预警模型实现了车道偏离报警功能；同时,利用单目测距算法实时检测本车与前方目标车的距离,实现了前车防碰撞报警功能。 进行了基于单目视觉的车道识别和车辆识别关键技术研究后,为了验证系统效果,开发了仿真及实车实验平台,通过大量的实验对系统的关键技术及整体性能进行了测试。结果表明,系统在不同光照、天气、道路等条件下具有良好的适应性,具备较好的抗干扰能力。