据世界卫生组织报告,在每年因交通事故死亡的约有120万人,交通安全问题已愈发严重。在许多的交通事故中,都是因为驾驶员没有良好的驾驶习惯,注意力不集中导致。这其中,又有60%以上是追尾事故。如果在事故发生前可以对驾驶员发出警告信息,那么就可以大大减少交通事故发生的概率。近年来,各大车企在汽车高级辅助驾驶系统（ADAS）上的研发投入越来越多,其中,汽车前方碰撞预警系统（FCWS）是汽车高级辅助驾驶系统（ADAS）重要研究方向之一。随着目标检测技术的发展,越来越多的传感器拥有了很好的检测能力,为碰撞预警系统的研究提供了良好的数据基础。目前常用的目标检测传感器有摄像头和毫米波雷达。其中,毫米波雷达能够准确计算出目标物体的位置和速度等信息,缺点在于计算成本高。基于视觉的目标检测方法,能使用比较低成本的算法计算出目标的位置及速度,但精度相对于其他传感器较低,受环境影响很大,大雾大雨强光照情况下误报率较高。因此,本文结合两种传感器各自的优点,提出基于毫米波雷达及视觉相机信息融合的前车碰撞预警系统设计。本文针对当前汽车前向碰撞预警系统中的问题,重点在碰撞预警中基于毫米波雷达和视觉相机的目标检测方面展开研究。在目标位置和速度检测方面,提出了结合双传感器各自优势的最大检测速度扩展算法以及角度检测的优化算法。相对于单个传感器的目标检测,提高了目标检测的准确性。并且检测速度与单一传感器相比相差无几,能更好的应用于碰撞预警系统中,提高碰撞预警系统的预警速度与准确度,在未来高级辅助驾驶以及无人驾驶系统中具有很好的参考意义。本文的主要研究内容如下:1.首先,根据毫米波雷达目标检测的原理,分析了雷达最大检测速度的限制以及在目标处于大角度下位置检测精度下降的问题。其次,研究视觉相机的目标检测算法,分为车道线检测及目标检测,使用二项式拟合方法完成对车道线的检测,采用HOG特征与SVM分类器计算检测目标位置信息,并提出了基于机器视觉的目标测速方案。2.分析研究基于双传感器的数据融合算法,根据坐标系之间的转换关系以及相机内外参数的标定,建立了一种视觉相机与毫米波雷达信息融合的数据模型。在信息融合算法中,利用视觉相机检测到的速度扩展毫米波雷达最大检测速度;在目标处于大角度下,雷达的角度检测精度下降时,利用视觉相机检测到的位置优化目标位置检测结果。在建立碰撞预警模型中,利用车道线检测算法对目标的位置进行划分,将检测到的前方目标划分为本车道前车与相邻车道行驶车辆。3.在融合双传感器的数据基础上,验证基于视觉相机与毫米波雷达信息融合的前车碰撞预警系统的实时性及有效性。对融合系统各部件进行选型,并且进行实物安装,对视觉相机进行了内参及外参计算以及车道线中的仿射变换矩阵的计算,调试标定由毫米波雷达及视觉相机组成的融合系统。验证在目标速度超过雷达最大检测速度时的速度检测算法准确性以及大角度下目标位置检测的准确性,在此基础上验证前车碰撞预警系统在三种不同工况下的有效性。