无人车技术在适应新军事变革、打赢信息化战争中扮演着越来越重要的角色。视觉是智能车辆感知外界环境的主要方式之一，通过视觉传感器获取外界信息，然后利用计算模型对获得的图像和视频信息进行分析和理解，实现驾驶行为的智能化。然而，当前一些计算模型的处理能力还不能满足无人驾驶车辆在复杂环境下的智能感知要求。　　而与机器视觉所面临的困难相比，对于生理视觉来说，感知和提取一幅图像的重要信息似乎轻而易举。生理视觉感知具有相当强的适应性和稳定性，能从容应付各种不同的环境和适应各种各样的变化。本文借鉴生理视觉机理，提出了一种基于生理视觉模型的多尺度边缘检测方法。利用shunting方程模拟神经细胞响应特性模型，引入主导抑制机制达到自适应抑制噪声的效果，对比度信息经过简单细胞子域的非线性整合得到锐化的边缘，非经典感受野的侧抑制机制削弱背景的影响，最后通过融合多个尺度之间的信息，获得最终的边缘信息。　　现在大部分视觉算法都是基于PC机实现的，但此种平台无法工程化生产，故需要将系统移植到成本更低、安装且更为方便的嵌入式系统平台上。而且随着越来越多具有高计算能力且低功耗的处理器出现，计算机视觉应用在嵌入式系统的实现会更加实用。故本文所设计算法的工作平台是Xilinx的Zynq-7000可扩展处理平台。经过仿真和硬件平台的实验验证，由于该算法具有生理视觉基础，相比其他算法结构简单、计算效率高、抗噪性能好。