近年来,随着计算机和机器人技术的飞速发展,智能车辆研究有了长足进步,在减少交通事故、保障车辆安全等应用场景取得了较好的效果。智能车辆技术不仅应用于交通领域,同时在科学探测、工业应用、救灾抢险、国防军事等领域也有着广泛的应用前景。视觉辅助系统是智能车辆研究的关键,它利用图像序列来识别和认知三维世界。在智能车辆的视觉系统中,采用CCD摄像机作为视觉传感器是当前主流的研究方向。论文所研究的障碍物检测系统是依靠计算机图像处理的基本算法来实现障碍物的检测。论文首先对智能车辆技术的研究现状进行了阐述,并对论文的选题意义及主要内容做了说明。其次,阐述了系统硬件组成和软件开发环境,并搭建了视觉采集实验平台,完成了图像采集,为后续的图像处理和图像识别提供了数据信息。第三,介绍了摄像机成像模型,采用了一种基于平面模板的神经网络标定方法,并分析了该方法的原理;实验证明,该方法简单可行。第四,探讨了常用的图像预处理算法,根据要求选择了合适的算法,即直方图均衡和中值滤波算法,完成了图像的预处理;在分析了传统边缘检测算子的基础上,结合形态学理论,对基于形态学的抗噪型多结构元检测算子进行了深入研究。最后,针对灰度图像,采用图像预处理和形态学相结合的方法,设计了障碍物检测系统,实现了障碍物的检测;通过理论分析和仿真实验证明了该方法的有效性。