随着汽车数量迅速增长,交通安全和道路压力日益成为人们亟待解决的问题。研究智能车辆可以很好地解决这些问题。要让智能车辆在道路上安全行驶,前提是对行驶环境有准确的感知识别。本文以城市环境为背景,基于机器视觉与毫米波雷达,研究智能车辆前方车道线以及前后方行驶车辆识别和检测问题,为车辆预警和控制系统提供可靠判断依据。　　首先,研究了车道线视觉检测技术。分析了道路图像处理的各种算法,通过实验对比选取最优的预处理算法;将实际道路简化成直线道路模型,采用改进Hough变换限定车道线检测的感兴趣区域;对检测到的车道线进行直线拟合。实验结果表明,该算法具有很好的鲁棒性和检测精度,且满足实时性要求。　　其次,研究了智能车辆前后方车辆视觉检测技术。实验对比分析了两种不同车辆检测分类器,选择Hog特征和SVM算法相结合的方法作为车辆检测方法;通过对实地采集的1843张车辆样本和2859张非车辆样本进行训练,用训练出的Hog特征分类器对136张测试图像中的行驶车辆进行检测实验,检测正确率达到91.9％,误检率为7.3％。实验结果表明,该算法具有一定的鲁棒性和较高的准确性,在不同的光照条件和雾霾环境下,本文算法也能很好地检测出目标车辆。　　然后,研究了毫米波雷达与机器视觉的多传感器信息融合测距技术。建立了多个坐标系,推导出雷达和图像坐标系之间的关系;将雷达测得的有效信息与车辆检测的图像进行数据融合。实验结果表明,该方法弥补了单个传感器的缺点,提高了检测效率。　　最后,设计开发了智能车辆环境识别系统软件。利用VS2008和OpenCV2.3.0编写了多传感器监测界面和车辆运动控制界面,并利用该软件进行了车道线检测和车辆检测实验。