行车安全与出行通畅一直是行车人员的普遍追求。实际环境中,交通要素复杂多变,大量动态性和不确定性因素给智能车辆的驾驶行为决策带来巨大挑战,本文以前方道路环境为主要研究对象,开展了智能车辆中目标检测与跟踪及换道决策的部分研究工作。(1)基于Hough变换和最小二乘法实现车道线的检测和拟合。首先选用加权平均值法对图像进行灰度化处理,选用中值滤波算法完成图像的滤波处理,选用Sobel算子来处理道路图像,进而检测出本文所需的车道线边缘;然后对直角坐标系和极坐标系下的Hough变换原理进行了分析,建立了极坐标系下的车辆检测算法,最后基于最小二乘法对检测出来的车道线进行拟合;(2)车辆检测与跟踪。首先对提出的基于多类特征融合的车辆检测方法和基于类Haar特征结合Adaboost的算法进行车辆检测,然后基于Kalman滤波实现了车辆跟踪,最后对车辆检测和跟踪方法的效果在不同的道路场景下进行了实验验证;(3)基于单目视觉的信息提取。首先通过比较检测出来的车道线的斜率大小完成自车所在车道的判别,基于前方车辆的行驶投影中心的落点实现前方车辆所在车道的判别,然后分析了世界坐标系、相机坐标系等各坐标系之间的关系并建立了各坐标系之间的转换关系,在此基础之上完成了相机的标定工作,最后基于小孔成像原理实现了自车与本车道前方车辆的距离测量并完成了自车与本车道前方车辆的相对速度的计算;(4)换道决策。首先对车辆换道的影响因素及其运行特性进行了分析,然后基于车辆动力学和运动学理论建立了车辆换道的圆弧轨迹模型,最后基于建立的换道模型制定合理的换道决策并对此进行了仿真验证。