近年来,我国汽车产业蓬勃发展,汽车智能化水平逐步提高,自动驾驶已经逐步成为未来的发展方向。由于行车时道路情况复杂多变,路况感知一直是自动驾驶的技术难点。本文以机器视觉为基础,对路况感知中的图像目标检测和图像深度估计两项关键技术进行研究,构建一个实时路况感知系统,实现在行车过程中对道路目标的检测与距离估计。首先,本文对自动微分器,卷积正反向计算、反卷积和上下采样等基础理论进行研究并通过仿真验证相关理论。针对目标检测,提出一种多尺度特征提取,分布式先验框设置的图像目标检测算法。该算法中多尺度特征提高了算法对小目标检测的能力,先验框设置设置方式降低了计算负载。通过平均精度(mean average precision,MAP),定位精度等指标与其它算法做比较,并分析算法优缺点。其次,针对图像深度估计,提出一种提出双目图像训练,单目图像检测的自监督深度估计算法。该算法无需手工标注数据集,有效避免了单目图像在检测时因双目训练造成的输出不均衡问题。通过图像深度估计算法通过像素百分比(Percentage of Pixel,PP),平方相对差(Square Relative Difference,SRD)等指标与其他算法做比较,并分析算法优缺点。最后,使用自制数据集对上述两种算法在白天,夜间等不同场景进行仿真测试,试验结果表明相较于其它方法,本文的目标检测算法和图像深度估计算法在上述指标上均有一定提高,基本满足自动驾驶系统对路况感知的要求。