智能车辆的关键技术是感知技术、决策技术和控制技术,其中感知技术是后两者的基础。而障碍物检测识别技术是感知技术中的重要组成部分。为了实现智能驾驶功能,有效地检测识别出车辆前方的障碍物,本文根据智能车辆行驶道路上的障碍物的特点,进行了基于单目视觉的障碍物识别方法的研究。首先,确定了车辆和行人的感兴趣区域。先对车载摄像机采集的道路上智能车辆前方图像进行了预处理,通过分析采集的图像的特点,选择了图像灰度化、中值滤波和灰度均衡化对图像进行预处理。然后对于预处理后的图像,利用道路上车辆底部阴影的矩形特征和行人的高宽比等特征确定了待测障碍物的感兴趣区域。其次,提取了目标的纹理特征和HOG特征。本文通过各种特征对车辆和行人的识别结果的对比和分析,最终选择了纹理特征和HOG特征作为障碍物的识别特征,接着在待测目标的感兴趣区域内分别提取了目标的纹理特征和HOG特征。然后,对贝叶斯分类器进行了改进。先分别使用纹理特征和HOG特征,基于传统贝叶斯分类器对障碍物进行了分类识别,发现其识别效果有待提高。接着对传统的贝叶斯分类器进行了改进,通过加权的方法进行多特征的融合,得到了一个改进的贝叶斯分类器。基于改进的贝叶斯分类器,实现了障碍物的识别。最后,进行了算法的试验验证。通过摄像机、车载电源转换器、计算机和车辆的连接搭建了智能车辆前方障碍物识别的硬件系统,并使用Visual studio 2010软件编写了识别程序,然后基于该系统进行了算法的试验验证,最后将试验结果进行了数据统计和分析。结果表明改进后的贝叶斯分类器相对于传统的贝叶斯分类器在识别正确率上有了很大的提高。本文所研究的基于改进贝叶斯分类器的车辆前方障碍物识别方法,对智能车辆后续的决策技术和控制技术的研究提供了参考。