视觉信息是交通环境中最重要的信息,机器视觉技术是智能车辆中不可缺少的部分。本论文的主要内容就是基于Hough变换进行道路边界检测技术和利用基于Haar-like特征进行训练的道路上的其他车辆的识别方法。本文对摄像头进行了建模。采用色彩空间转换、直方图均衡化的方式对道路图像进行处理。采用了临域平均法对图像进行去噪处理。运用Canny算子得到二值化图像。对二值化的图像进行Hough变换会得到很多直线,通过分组求最大值的方式找到所需的到路边界。利用得到的道路边界求出图像的感兴趣区域。对图像的感兴趣区域进行随机Hough变换,对道路边界进行跟踪。道路障碍物检测主要就是道路上其他车辆的检测。本文提出了基于图像特征和基于训练的两种算法。在基于汽车外形特征的算法中综合运用到了以下三种方法。一是灰度空间的阈值分割进行汽车底部阴影的识别,二是利用对称性度量函数来验证图像区域是否是汽车,三是利用HSI空间的阈值分割和形态学操作来进行汽车尾灯的识别然后用图像的不变矩进行验证。在基于训练的汽车识别算法中,使用了基于Haar-like特征的进行训练的方法。通过大量样本的训练,最后得到由若干个弱分类器组成的级联分类器。在得到分类器之后进行检测时,首先将待检图像转换为积分图,然后利用不同缩放比例的分类器窗口扫描整幅图像,得到包含汽车的不同大小的图像区域,最后通过一定的合并算法将重复检测的区域合并,得到最终的检测结果。最后对这两种方法进行了比较。通过以上研究,初步实现了智能车的道路识别和障碍物检测系统。