随着私人汽车持有量的增加,交通事故发生的频率也随之上升。与汽车安全驾驶相关的问题,普遍成为人们关注的方向之一。作为智能车辆核心技术之一的障碍物检测技术,已然成为各国科研机构重点投入的研究对象。障碍物检测的准确性,不仅能够提高驾驶者对周围环境的辨识能力,而且为其他辅助驾驶检测技术(如运动估计、碰撞预警等)有效进行提供了保证。因此,对障碍物检测技术的研究是非常必要的。在障碍物检测时,由于事先未知障碍物自身的形状、类型,不能依赖障碍物形状、颜色等特殊假设条件及特定类型的障碍物先验知识检测障碍物,复杂的室外条件导致的任意障碍物检测不完整,错误的估计了障碍物、道路等实物的位置,容易引起错误的警告,或无法准确计算相对速度和碰撞时间,导致警告不及时。因此,本文在分析了现有障碍物检测算法的基础上,提出了一种新的基于多线索融合的障碍物检测算法,其中融合算法分为两部分：基于单帧的多线索融合和基于多帧历史信息的融合。在基于单帧的多线索融合中,首先,采用一个改进的运动补偿线索来检测违背道路平面假设的障碍物。然后,提出一个新的图像分割线索来提高检测率,降低误检率,其中,图像分割线索可细分为：位置线索、投影线索以及面积线索。最后,使用贝叶斯框架融合上述线索,生成当前帧对应的障碍物概率图。在基于多帧历史信息的融合中,提出了一个概率更新模型融合当前帧检测信息和历史帧检测信息。算法根据当前帧的检测结果,选择不同的概率更新方式,有效的结合了当前帧和历史帧的检测结果。在各种场景下的实验结果表明,该算法不受障碍物类型、光照条件、道路场景等因素影响,在改善了任意障碍物检测不完整问题的基础上,提高了检测率,降低了误检率。