随着人类社会和经济的进步,汽车产业的快速发展,汽车智能化程度正在大幅提高。道路交通安全是每一位驾驶员注重的问题,如何提高汽车主动安全性成为研究热点。因此汽车安全辅助驾驶技术受到了各界广泛的关注,同时也能够降低交通事故发生与财产损失的一种有效措施,它代表了未来车辆发展的趋势。先进驾驶员辅助系统(Advanced Driver Assistant System,简称ADAS)是采用多种传感器去检测感应车内外环境,采集静态与动态物体的数据,进行物体识别、监测以及追踪,可以在最短时间内让车辆驾驶员察觉出可能存在的危险,提高车辆驾驶的安全性的主动安全技术。论文以面向某电动汽车的智能驾驶辅助系统为研究对象,采用数字摄像头作为传感器采集汽车周围环境图像,iMX6作为核心处理器,对车道偏离辅助驾驶系统、行人识别系统的关键技术进行了研究,主要有以下三部分内容。(1)在图像去噪预处理方面,论文提出了一种基于新扩散系数函数和自动设置阈值参数K的去噪模型。在该模型中,扩散系数由阈值K决定,在小于K的条件下具有扩散能力,使用相应的函数表示;在大于K的条件下扩散系数为0,从而有限的解决了噪声产生的孤立点对图像质量的影响。阈值参数K是通过每次迭代的图像梯度来决定,此梯度的值通过所在像素位置的相邻像素的8个方向值决定,分别为东、南、西、北、西南、西北、东南、东北。最后将改进的扩散系数代入PM模型中,实现去噪处理。实验结果表明,在处理过程中,此模型降低了噪声同时保留更多的图像边缘特征。因此,新的模型在峰值信噪比和结构相似度都优于现有的PM模型、NLM模型。(2)在车道偏移辅助驾驶中,针对结构化道路和车道线清晰无车辆遮挡的情况,结合目前已有的直线Hough变换算法基础,提出改进方法,利用LMedsquare(Least Median Square)思想结合最小二乘法对车道线进行分段拟合,提高弯道的识别率,改进差分法对车道线进行跟踪,根据车辆与平面图像的位置关系,计算车辆与车道线的距离,建立预警决策模型,判定是否发生报警。实验结果表明,此方法能提高车道识别准确率并满足实时性要求。(3)针对现有行人检测方法难以满足实时性的问题,提出了L-HOG(Leg-Histogram of Oriented Gradient,基于腿部感兴趣区域方向梯度直方图)特征提取方法,在行人图像中确定感兴趣区域,通过降低特征维数去解决实时性问题。运用了SVM(Support Vector Machine,支持向量机)分类器将行人二次分为前后视角行人和左右视角行人,实现了图像行人的检测,实验测试结果表明,在提高运算速度的情况下,保证了对行人的识别准确率。