随着我国汽车保有量的迅速提升,车辆的改装、拼接等违反交通运输规则的现象越来越普遍。这些问题已成为交通安全的重要隐患,给国家财产与人民生命安全带来严重的威胁。为了有效辨认非法改装、拼接的车辆,加强交通系统中的车辆管理,本文研究并开发了一套车辆信息检测系统,该系统的主要任务就是识别车牌字符信息和测量车辆几何尺寸信息。论文的主要研究工作如下：针对车牌字符的特征,提出了一种能够适应夜间、逆光、雾霾等复杂环境的车牌字符识别算法。该算法主要由车牌定位、字符分割与字符识别三部分组成。在车牌定位中,根据车牌的颜色信息、字符的垂直边缘信息与车牌的外形结构等特征将车牌区域与背景区域粗略地区分出来。利用机器学习中的支持向量机(SVM)算法将粗定位后的车牌分类,得到精确的车牌位置。在字符分割中,通过对字符分割的传统方法进行讨论分析,实现了一种基于改进字符连通域的分割方法。在字符识别中,介绍了人工神经网络的构成及相关原理,通过人工神经网络训练与车牌相关的字符,实现对车牌字符的识别。详细阐述了车辆几何尺寸测量中使用的双目立体视觉原理。根据摄像机的成像模型,给出了图像坐标系、摄像机坐标系、世界坐标系的定义与它们之间的转换关系。基于二维平面标定法与开源计算机视觉库(OpenCV)实现了摄像机参数标定。从匹配基元、约束准则、立体匹配策略三个方面详细阐述了立体匹配的原理。选择了图像的局部区域作为图像的匹配基元,完成了立体视觉匹配算法。详细介绍了在平行双目立体视觉下,进行深度信息提取的三角测量原理。根据深度测量公式计算出摄像机到车辆各端的距离,得出车辆几何尺寸的计算公式。介绍了车辆信息检测系统的设计思路,给出了系统结构图。论文将计算机视觉测量技术与识别技术应用到车辆信息检测系统,研究和改进了车牌定位与字符分割算法,实现了车辆车牌牌号的信息提取,完成了车辆几何尺寸获取系统的理论设计和系统规划,为高效实用化车辆信息检测系统的硬件系统实现奠定了基础。本文设计的车辆信息检测系统不需要对识别与测量场景进行诸多限制,测量结果精度较高,可实现自动化识别与测量,为相关部门有效识别车辆非法改装,治理车辆超载、超限等现象提供了一种有效、可实施的技术手段。