针对汽车主动安全系统成本高,难以普及问题的出现,目前较好的解决方法就是将成本低且技术成熟的视觉传感器应用于汽车主动安全系统当中,因此基于机器视觉的车辆前向避撞技术便成为当下车辆安全研究的热点。据资料显示仅在碰撞发生前1s给予驾驶员警告提醒,就可避免近90%的车辆追尾事故,所以本文基于机器视觉的前向避撞预警系统算法的研究具有重要的现实意义。本文基于机器视觉的前向避撞预警系统算法的研究主要是依据行车环境与车辆参数等判断行车安全状态从而制定相应的避撞策略。所以障碍物检测是该系统算法中的关键,而障碍物高效检测的前提是有效信息量大且冗余信息量小,因此图像滤波必不可少。在对采集到的图像进行滤波去除噪声等无关信息时,时常产生边缘模糊效应,针对该问题,本文提出了一种在传统高斯滤波算法的基础上,结合像素灰度值差异的边缘保持滤波算法,并用图表数据对该法做出了肯定。为进一步提高障碍物检测的鲁棒性、精度与效率,本文提出了基于TV-1L的光流估计检测算法。该算法主要是由1L范数变分光流模型结合高斯平滑处理及非局部中值滤波方法共同构成。实验结果证明此算法抗噪性强、实时性好且检测精度高。障碍物准确检测之后通过车辆制动过程的分析,建立了基于地面附着系数的安全距离模型,该模型分别对前车静止、匀速或加速运动和减速或减速至停止三种情况作了分析。最后根据基于摄像机投影与参数设定的几何算法进行车距测量与碰撞时间估计。另外本文提出了一种将安全距离与碰撞时间相结合的车辆状态判断准则,并制定对应车辆不同状态(安全状态、提示性预警和紧急性预警)的预警策略。