随着道路交通情况复杂性的提高和车辆数量的增加,仅仅依靠驾驶员来判断安全车距和各种交通情况显得力不从心,为了减轻驾驶员在高速道路上的行车压力,保护驾驶员和车辆的安全,研究安全车距示警方法就具有非常重大的社会和经济意义。本论文的主要工作成果以及创新点:1、在采用梯度直方图HOG制作车辆识别的训练集之前,使用了颜色空间归一化过滤图像中的噪声提升了图像处理速度和准确度。为了加快识别速度,提出了图像空间分级处理方法,在保证准确度的同时进一步的提升了车辆识别的速度。在构造梯度直方图训练集的过程中,提出了将YCrCb颜色空间直方图与空间分块颜色图引入训练集合的方法,增加了训练集的维度,提高了车辆识别的准确度。对于车辆识别,提出了针对不同区域设置了不同方案的滑动窗口的方法,减少了车辆识别的区域提升了模型识别车辆的速度,同时提出了新的滤波策略,以去除假阳性,提高准确度。2、在车道线的识别中,通过获取相机标定后的畸变矩阵对图像进行了修复,根据图像中车道线的特点设计了特定的卷积模板进行阈值分割,同时分析了不同颜色空间中车道线信息的特点,提出了多颜色空间车道线相融合的方法,提升了预处理效果。在车道线的透视变换中应用底边缩放策略既保存了车道线信息和视野又消除了光学透镜的透视效应。分析了传统车道线检测算法存在的问题,提出了基于虚拟传感器车道线检测算法,解决了因光源变化无法识别车道线以及无法识别弯曲的车道线的问题。3、建立了像素坐标与世界坐标之间的关系,分析了单目视觉测距模型及其优缺点,针对选择的测距模型,得出测距模型的几何关系,根据该几何关系,在结合改进后的基于平行车道线实时获取相机俯仰角方法与车辆、车道线识别结果后,实现了该测距模型。4、研究了典型的车辆安全车距示警模型和车辆制动时加速度变化曲线,建立了安全车距示警模型,获取了不同环境下安全车距与相对车速、车速之间的联系,并根据前面的研究成果,实现了车辆安全车距示警模型。