针对城市交通拥堵问题及追尾事故,从全局角度提出了基于改进蚁群算法的多目标路径规划算法,不仅以最短距离为评判标准,还考虑道路通畅情况,在避免拥堵路径的情况下寻找一条合理路径,提高了蚁群算法的适用性;并从局部行车环境考虑,应用机器视觉技术开发前车防撞预警系统,通过车道线检测确定感兴趣目标区域并对区域内本车道前方车距较近的车辆进行识别标记,达到防追尾预警效果。经实验验证,该方案可以在降低时间成本和辅助驾驶员方面提供技术支持。本文主要研究内容和结果如下:(1)蚁群算法优化。主要包含对启发信息的优化调整,提出环境因子增强地图的阅读能力,蚂蚁的死锁率降低78%,在运算效率、规划路径的距离、拐点方面均有所提高。同时,根据拥堵程度重新绘制栅格地图,并结合优化的概率转移算法,达到了在避免拥堵路径下的最短路径获取。(2)车道线识别方法。通过逆透视变换对车辆前方车道进行视角上的转化,其次根据车道线的颜色特征在不同颜色模型中提取车道线。为提高车道线检测稳定性,减少因环境干扰对车道线识别的影响,本文针对车道线边缘信息进行二次检测,并将上述两种检测结果进行融合,获得车道线二值图。利用滑动窗口统计二值图中包含车道线的白色像素点,使用最小二乘法将白色像素点拟合出车道线。最后将检测的车道线根据逆透视变换矩阵映射到原图。实验表明,该方法能准确检测出直道、弯道处车道线,检测率高、鲁棒性好。(3)基于目标区域的前车检测。在车道线识别的基础上,依据车道线选择合理的前车识别区域。改进哈尔特征和自适应提升算法前车检测的训练方法,在训练过程中,根据感兴趣目标区域频繁出现的环境信息将负样本分为重点负样本与非重点负样本。第一阶段进行正样本与重点负样本训练,第二阶段对正样本与非重点负样本进行训练,再将训练结果级联生成检测文件。(4)防追尾预警系统验证。通过在城区道路上的实验分析,结果显示该系统能有效对近距离前车进行标记,提醒驾驶员预防追尾事故的发生。