从全球范围来看,汽车产业正经历着车辆智能化的技术变革。基于视觉传感器的前方车辆检测有助于使车辆具备人类认知外界环境的能力,提前感知分析车辆碰撞可能性,从而减少行车事故、保障驾驶员及行人生命财产安全,是提高智能车辆和高级安全辅助驾驶系统(ADAS)智能化程度的决定性因素。本文基于立体视觉技术开展车前环境感知方法研究,提出一种基于点云分割和Mean Shift聚类的道路车辆检测方法,并对目标车辆的运动状态估计方法开展研究。首先,在对立体视觉系统的软硬件平台进行配置的基础上,研究摄像机标定及双目图像的校正方法,基于半全局匹配方法计算视差图,并基于原始左图像引导采用边缘保持的图像平滑方法对视差图进行滤波,为后续地面滤除及车辆检测算法提供可靠的场景三维重建基础数据。其次,针对传统基于V视差图的地面检测方法在摄像机非水平状态下难以精确描绘地面模型的问题,提出基于路径特征的地面检测方法。在对路径边界特征进行提取的基础上,使用最小二乘法对考虑水平倾斜的道路平面进行拟合,提高地面检测的精度,并通过实验验证两种地面滤除方法的有效性。然后,在基于立体匹配视差图的三维场景重建基础上,提出一种基于点云数据分割的车辆检测方法；针对点云分割中分割步长设定不合理导致的同一目标被拆分重复检测、部分检测及漏检问题,提出基于Mean Shift聚类的车辆检测方法,以避免依据经验设置分割步长,得到更加完善的车辆检测结果。最后,基于车辆检测结果,确定移动目标候选区域及静态背景区域,提出基于RANSAC异常点剔除和单位四元数定向求解坐标系转换的自身及目标车辆运动状态估计方法,并通过实验进行车辆的绝对及相对运动状态估计及误差对比分析。