环境感知作为车辆主动安全领域关键技术，在过去二十年间得到了极大关注和快速发展。城市环境中道路结构多变、车辆类型众多、环境背景复杂，同时近年来环境污染导致雾霾天气频发，这都给智能车辆环境感知技术带来挑战。针对这些问题，本文将探讨城市环境中，如何通过机器视觉和多车通信技术，实现智能车辆对周围环境高效、鲁棒感知，提高车辆在途行驶安全性。从车载视频图像处理方法入手，针对雾霾环境下场景能见度低，图像颜色和对比度特征衰减严重等情况，提出基于亮度通道引导滤波的视频图像去雾方法。对大气衰减模型进行简化，使用暗原色先验理论估计当前雾气浓度。采用基于亮度引导滤波的大气覆盖估计方法，获取当前大气覆盖参数，进一步得到清晰化后的复原图像。通过将高耗时的雾气浓度估计，集中到初始化阶段完成，实现退化图像的快速修复。实验结果表明，该算法能够有效改善雾霾图像对比度和清晰度，计算效率比直方图均衡化方法和多维Retinex方法均有大幅提高，满足视频图像去雾需求。研究了城市道路检测算法。城市半结构化道路交通环境中，为了提高道路模型对复杂环境的适应性，解决算法难以在效率和鲁棒性间达到平衡的问题，提出基于不定Bezier变形模板的城市道路检测算法。首先，算法对输入图像进行逆透视变换，根据相机内外参数和车辆状态自适应设置静态和动态两层感兴趣区域，利用透视图中道路标识线平行延伸特点，提出混合高斯方向异性滤波器，对图像进行预处理。然后，引入Bezier样条曲线，构造不定道路变形模板，将道路识别问题转化为模板参数假设检验问题，使用改进RANSAC算法求解模板参数。为了提高求解速度，提出层次搜索优化算法，建立期望区域和解集空间，采用粗搜索与精搜索相结合方法，实现模板参数快速搜索。试验结果表明，该方法在城市道路环境中可以快速准确提取车道线，并对典型道路干扰具有较好免疫作用。研究了前方车辆识别与跟踪方法。提出路面约束下车辆分层级联识别与多目标跟踪算法。在路面区域分割阶段，使用随机点自生长算法获取路面区域，并以此作为先验知识，获取后续模块的感兴趣区域。在车辆识别阶段，以LBP特征和Haar特征作为目标描述方法，采用Adaboost机器学习算法训练分类器，分别构建了检测级和验证级分类器。在车辆跟踪阶段，针对粒子滤波方法面临的多目标跟踪问题，提出基于车辆信任计数器的多目标跟踪方法，使用状态管理机制解决了车辆进入和离开视野时的跟踪问题。算法能够对城市交通环境中多目标车辆进行较好识别，对车辆类型、环境等非确定性变化，具有较强适应能力。研究了尾随运动车辆识别与超车检测方法。针对尾随车辆由于不确定因素变化，容易导致识别算法不稳定、不可靠等问题，使用低成本单目后视方法，从车辆共性、底层特征着手，提出基于时空域纵向投影跟踪滤波和相对运动检测的车辆识别和超车监控算法。采用车辆信任函数对识别框架内不确定目标进行验证判断，通过在决策级对两种方法所得结果进行有效融合，提高算法鲁棒性。试验结果表明，该方法能够快速准确提取近视场中尾随运动车辆，对环境干扰和目标车辆类型变化具有较好适应性。研究了车辆偏离预警方法和雾霾环境下协作超车辅助方法。一方面，针对传统偏离预警方法难以给出准确预警时间，容易发生漏检等问题，采用时空联合预警方法进行车道偏离预警决策，降低了系统虚警率和漏检率。另一方面，为了保证雾霾环境下车辆超车安全，对车联网背景下车辆辅助驾驶方法进行了初步探索，提出基于车间通信的车辆协作超车辅助方法。在车辆超车启动前，综合利用当前车辆相对位置、相对速度和相对横摆角等信息，采用基于常速假设的TTC估计方法，给出超车启动预警辅助方法。超车过程中，采用多变量高斯分布建立车辆冲突势场，提出基于冲突概率估计的超车危险评估方法。试验结果表明，所提出的车辆驾驶辅助方法能够有效地根据车辆当前状态给出危险预警信息，保证超车过程安全，具有较好的鲁棒性和实时性，能够满足系统要求。综上所述，环境感知作为智能车辆技术的核心和难点，仍然面临众多挑战。在此背景下，本文对城市交通环境中，智能车辆环境感知方法进行研究，分别讨论了雾霾视频修复方法、道路检测方法、前方车辆识别方法、尾随车辆识别方法、车道偏离预警方法以及协作超车辅助方法等，并取得了系列研究成果。