随着世界经济的快速发展,汽车已经成为人们现代生活中必不可少的交通工具,其中交通安全方面的问题已经成为不可忽视的问题。因此对无人驾驶车辆的研究也变得越发重要。无人驾驶车辆可以缓解交通拥堵、增加交通的安全性,同时能减少空气的污染。为人们节约时间,提升生活质量,无人车的关键技术之一是对无人驾驶车辆前方障碍的检测和测距。在当前的车辆障碍检测系统中,常见的传感器有高频雷达(毫米波)、超声波、红外激光,雷达等,每种传感器适应的场景不同,为了要适应多种场景,当前的汽车厂商和辅助驾驶系统提供商一般会融合多种传感器收集到的信息进行决策,并定制专门的硬件设备来实现车辆检测和车距测量,但是这样的平台搭建费用很高,普及程度较低。目前的车辆测距技术易受环境等外部条件的影响,尤其当车辆处于复杂多变的交通场景或者恶劣天气环境中时难以获得令人满意的识别率和鲁棒性。由于基于视觉的前车检测系统成本低,信息丰富,且近年来计算机视觉领域的高速发展为其提供了技术基础,所以受到了越来越多的相关领域研究人员的重视。就以上问题,本文对前方障碍车辆检测及测距的方法进行了研究。在车辆检测方面,分别对前方车辆进行初步定位和精确定位,使其能够适应多种复杂环境,包括阴雨天、城市道路、光线突变等情况;在车辆测距方面,传统的车辆测距方法往往基于车辆本身的特征,但在环境发生变化时会导致车辆本身特征被忽略,影响测距结果。因此本文采用了基于车牌特征信息的单目视觉方法进行测距,避免了因环境变化而影响测距结果。本文主要研究的内容为以下四个方面,(1)车辆图像预处理通过摄像头采集到的车辆图像,会因为天气、摄像头抖动等原因造成图像噪声明显。通过数字图像预处理手段,对图像进行了灰度化、图像灰度增强、图像滤波、图像分割和数学形态学处理。分别进行对比实验选择了适合本文车辆检测与定位的图像处理方法。(2)车道线检测车辆检测与定位的前提是对车辆行驶道路上的车道线进行检测,本文采用了Hough变换对车道线进行检测,并在传统的Hough变换方法基础上进行改进,提出了基于线性斜率约束的内车道线检测方法,该方法可以克服光线不均匀的影响并有效的消除道路上和车道线具有相似线性特征的物体干扰,例如道路上的隔离带、栏杆和建筑等。(3)车辆检测与定位在车辆检测与定位环节,首先采用人为划定的方式提取车辆的感兴趣区域;然后采用基于部分模型的方式对车辆进行初步定位,将车辆分成上下两部分作为候选部分,使用具有多种类型特征描述符的混合图像模板进行建模,然后通过模板匹配识别出候选部分从而检测到车辆;最后,利用适合车辆图像的多特征前车检测算法对车辆进行精确定位,该方法具有精度高,复杂度低等优点。通过初步定位与精确定位方法,达到了车辆检测与定位的预期效果。(4)车辆间距测量首先通过几何空间坐标变换,推导出图像与世界坐标系之间转换关系,然后建立小孔成像模型。由于我国车牌的格式与尺寸较统一,所以本文采用了基于车牌特征信息的单目视觉车辆测距方法。该方法首先对车牌进行定位并对其四个转角进行检测,然后基于矩形测量理论进行距离估计。使用当前流行的棋盘格技术获得相机内部参数,并使用P4P算法计算出世界坐标系和摄像机坐标系之间的距离,从而计算得到两车之间的距离。并进行了在校园内模拟无人驾驶车辆的静态车辆测距实验,对获得的车辆图像进行算法处理后,实验结果表明本文提出的方法相对误差在允许范围内,验证了视觉测距的准确性。