近年来,随着科技的飞速发展和车辆保有量的迅速增加,道路交通安全事故给人们的生命财产带来了巨大的损失,已然成为了当下人们普遍关心的焦点问题。汽车主动安全技术的出现,为提高道路交通安全提供了新的方向,受到了人们前所未有的关注。作为其重要技术组成部分的道路前方车辆检测技术是自适应巡航、防撞预警、自动紧急刹车等功能实现的基础,也是未来智能网联车辆实现的必然要求。本文面向高速公路等高等级公路下的复杂工况,围绕基于机器视觉的前方车辆检测系统及其算法的嵌入式移植等问题进行展开研究。首先研究了车辆检测算法的设计与仿真。介绍了Adaboost算法,阐述了其优势与基本原理以及级联分类器的构建过程。在传统级联Adaboost算法基础上,针对不同光照条件下系统的鲁棒性需求,通过直方图均衡化技术对样本进行预处理并训练了适用本系统的分类器模型。采用Matlab与VS仿真研究多种复杂条件下算法的检测效果,面向高速公路与城市道路下的复杂环境,针对系统高检测速度的需求,提出了基于多范围ROI区域选取的车辆检测方法,提高了系统的实时性。接着搭建了车辆检测系统平台。提出了基于DSP的嵌入式车载机器视觉解决方案。通过分析车辆检测系统的软硬件支持,选取一款高性能DSP及与之相适应的IDE,并以此作为硬件核心。基于此分析其主要构成模块,为后续在此平台上工作地顺利开展奠定了基础。然后进行了车辆检测算法的移植与优化。介绍了本算法主要的移植模块,详述了各模块的硬件实现流程。分析了级联分类器的内部结构,通过定义金字塔式的结构体实现了其初始化的过程,并根据移植后的检测效果针对嵌入式平台给出了包括缩放图像、改变扫描步长的算法层面以及浮点数定点化、硬件内存管理等DSP层面在内的具体的优化方案。最后通过离线数据库和实际测试的方式对本车辆检测系统进行测试。本系统在多种复杂工况下的实验结果表明,从准确率和实时性两方面均取得了较好的检测结果,具有良好的鲁棒性与实时性,具有较高的工程应用价值。