随着经济的发展,交通运输问题越来越突出,迫切要求采用现代化的管理方法来实现交通管理,这样就引发了对智能交通系统(ITS)的研究。车辆辅助驾驶是智能交通系统的重要组成部分,在提高汽车的主动安全性能和减少交通事故方面有着广阔的应用前景。基于视觉的车辆检测技术是车辆辅助驾驶系统中的重要组成部分,因此研究车辆检测技术对车载辅助驾驶系统具有重要的意义。本文采用单目鱼眼相机作为外界环境信息的获取手段,在分析和总结现有车辆检测算法适用性的基础上,对有关算法进行改进,提出并实现了适合鱼眼图像的车辆检测算法。该方法遵循两步法步骤：假设产生和假设验证。假设产生用于得到感兴趣区域(ROI, Region of Interest),假设验证用于对ROI进行车辆存在性验证。在进行假设产生之前,本文通过研究鱼眼图像校正的基本原理,提出将基于平面模型、基于柱面模型和基于球而模型的鱼眼图像校正算法应用于车辆检测算法中,通过实验效果对比后,选取基于柱面模型的鱼眼图像校正方法。针对校正后图像中的车辆不能很好的维持某些特征(如水平边缘有弯曲现象)这一情况：在假设产生阶段,本文对现有基于多特征融合的车辆分割和定位算法进行改进,提出了新的阴影区域融合方法；在假设验证阶段,本文对现有的基于类Haar特征的AdaBoost分类器进行改进,提出新的特征计算方法及使用改进后的弱分类器生成算法。实验结果表明,本文提出的算法能很好的检测出校正后图像中存在的车辆,具有较强的鲁棒性和适用性。