智能车辆是一个融合了环境感知、路径规划、辅助驾驶等功能于一体的综合控制平台。障碍物检测作为智能车辆自主导航中的一项关键技术,始终是相关人员研究的热点。针对已有障碍物检测方法在诸如光照、多目标、背景干扰等环境中适应性差、识别率低等问题,本文提出了一种基于受限区域生长及饱和度特征的障碍物检测方法;采用单目视觉的模型对障碍物目标进行测距,将障碍物的图像距离进一步转换为空间中的实际距离;最后对智能小车障碍物检测系统进行了设计。具体内容如下:(1)提出了一种基于受限区域生长及饱和度特征的障碍物检测方法,首先对包含边缘信息的障碍物检测图像进行受限的区域生长,划分出障碍物目标所在的大致区域;然后采用基于饱和度特征的方法对障碍物目标进行精细定位,得到了障碍物检测的最终结果;设计了一个障碍物识别仿真软件,并在此基础上进行了障碍物检测实验,提取出障碍物上特征点坐标;最后与已有文献中的方法进行了障碍物检测对比实验,验证了本文方法的有效性和可行性。(2)通过几何空间坐标变换,建立了世界坐标系、摄像头坐标系、成像坐标系、图像坐标系的一一映射关系;将摄像头架设成一定的倾角,并以此建立了单帧静态图像测距模型,利用棋盘格板对摄像头进行了标定实验,提取出摄像头的内、外参数及镜头畸变;进行了单目测距实验,计算出障碍物目标的准确位置信息;最后与已有文献中的方法进行了障碍物测距对比实验。(3)对智能小车障碍物检测系统进行了详细的分析与设计,选取VS2010作为系统开发平台,使用C++编程语言并结合OpenCV视觉函数库,在MFC框架上搭建了智能小车障碍物检测系统仿真平台界面;将本文提出的障碍物识别与测距方法移植到其中,进行了智能小车障碍物检测仿真实验;最后设计了智能小车防撞预警机制,模拟实现了智能小车对前方障碍物目标的识别、测距及防撞预警等功能,为智能小车的硬件实现提供了良好的导航信息。