本文主要研究了智能车辆视觉导航中前方车辆的检测问题。首先,视频图像是从正在行进过程中的车上采集的,摄像机安装在车的前面朝向前方。这些视频序列包含了不同的交通状况和可视情况。其次,系统的算法主要由两部分组成:道路的分割和基于对称性特征的前方车辆检测。道路的分割主要是为进一步检测车辆做的准备工作,道路的检测首先是利用图像的直方图计算出最优阈值,采用最优阈值将图像阈值化;然后,利用线段增长法分割出道路区域。运动车辆的检测主要是在检测出道路的基础上,对道路区域以内生成的ROI区域检测其是否具有对称性特征,最终确定前方有无行驶车辆。最后,用Visual C++ 6.0对本文的算法进行了实现,在动态背景下分别以晴天天气条件和阴天天气条件,完成了对运动车辆的检测。实验结果表明,该方法能够将前方车辆目标从其伴随的复杂场景中有效的分割出来,并具有一定的鲁棒性。本文研究工作的创新点包括以下两个方面:1.在道路检测中,本文提出了一种改进的基于线段增长的道路分割方法,此方法能有效的分割出图像中的道路区域。2.因为视频图像是从正在行进过程中的车上采集的(摄像机水平固定),所以前方车辆目标会出现明显的对称特征,基于这些特点,本文提出了基于道路检测和基于车辆对称性特征相结合的检测方法。