随着通车里程数与车流量的快速增长，交通事故率居高不下，交通安全等方面的问题越来越不容忽视。车辆主动安全驾驶辅助系统（Driver Assistance System，DAS）不但使驾驶员在路况检测的视觉效果上得到提高，还能够实时反馈前方目标车辆相对本车的距离，对前方潜在危险进行及时预警，已成为安全驾驶的重要保证。相对于其他测距系统，基于机器视觉的前方车辆测距系统具有占用体积小、易于维护与安装、成本较低、信息量丰富、测距鲁棒性较好等优势，已成为DAS研究的重点。论文结合本课题研究的实际情况从以下三方面进行了研究。　　（1）对双目视觉系统采集到的路况立体图片实现图像预处理，并利用改进的霍夫变换算法提取车道线。再利用最大类间方差法实现前方车辆与所在背景的阈值分割，进一步缩小所需检测区域，减少目标检测消耗的时间。　　（2）对SIFT(Scale-invariant Feature Transform)，SURF(Speeded Up Robust Features)与 ORB(Oriented Fast and Rotated Brief)三种算法的特征提取与匹配速度、特征点分布聚类性性能等方面进行了比较分析，选取出综合性能优异的ORB算法。　　（3）运用极线约束消除误匹配点,并利用车辆区域匹配点之间视差相近的特性求取匹配点视差中值，排除非目标车辆视差，获得精度较高的测距距离。通过实验表明，本系统对两车之间40m以内的汽车制动行车距离检测误差可控制在4％以内，平均耗时9.06ms，在实时性、精度方面鲁棒性较高，能够满足实际测距要求。