近十几年来,以超声波技术为核心的倒车辅助系统,因实用实惠被广泛应用在汽车上。虽然超声波技术臻于成熟,但随着我国汽车保有量的增加、新驾驶员群体的扩大、城市停车位的缺乏,克服这类倒车辅助系统的固有缺陷显得非常必要。因此,把机器视觉引入倒车辅助系统,与现有的超声波探测技术相搭配,将很好的解决这种固有缺陷,并构成双层安全保障,从而对城市交通安全有着重大意义。　　 本文主要的研究基于带机器视觉倒车辅助系统仿真平台中的自动检测技术,其核心是图像处理算法。图像处理过程包括一系列的图像处理步骤,每一步骤的对比和选择都必须满足倒车时的实时性和准确性,并且每一步与全局关联很大,动一发而牵全身,需做全盘考虑。　　 首先,在满足直线特征检测准确性的前提下,将CCD图像传感器传输来的三维彩色图像转换成灰度图像,消除大量冗余信息,简化了算法并提高了运算速度。其次,汽车行驶的场合复杂多变,针对汽车后退时低频抖动、电压不稳、传输图像时易受脉冲噪声干扰的特点,采用适当的非线性中值滤波以降低椒盐噪声的影响。第三,在实时性与准确性兼顾的前提下,经比较得出,利用Sobel算子进行障碍物边缘检测可以获得同类算子中的最好结果。第四,同等前提下,采用自适应阈值分割技术可把图像中的障碍物边缘点从背景中及时准确地分离出来。第五,根据实际情况对Hough曲变换进行改进,采用改进后的Hough变换来识别障碍物的主要边缘。　　 经程序验证,改进后的Hough变换减少了运算次数,提高了处理速度,使其能更准确和更快地检测出障碍物边缘。最后,把边缘线段变粗和赋予警示颜色,并叠加于原图像中在液晶屏显示,为驾驶员在倒车中第一时间辨别出障碍物提供视觉感官提示。　　 经过大量图像处理的实际例子后,证明所选择的算法能够快速地检测出柱子台阶等常见障碍物的边缘,并且保持较高的检测精度。在通过对典型驾驶员群体的主观评价实验后,确认了处理过的图片能有效及时帮助驾驶员倒车时判断后方的障碍物及其相关信息。