泊车辅助系统是未来汽车发展的必然趋势，对其中的关键技术---障碍物检测进行研究具有深远意义。泊车辅助系统能够给驾驶员的倒车操作带来极大的便利并提高行人和车辆的安全性。目前基于超声波检测原理的泊车辅助系统已经成为主流产品，但是由于超声波传感器具有先天的检测盲区，已经越来越不能满足现代复杂的路面情况的需求。本论文在对主流的泊车辅助系统进行研究后引入了机器视觉原理辅助检测的新方法，对传统的超声波泊车辅助系统存在的检测盲区（网状障碍物和低矮障碍物）及障碍物识别技术进行了研究。本论文的工作重点及创新成果包括：（1）网状障碍物检测方法研究对网状障碍物的“线条轮廓”图像特征进行了研究，以在动态背景下识别网状障碍物为主要目的，对摄像机采集的图像信号进行处理。为达到检测目的，首先使用几个经典边缘提取算子对图像数据进行分析和选择。在对图像进行边缘提取和形态学滤波后，对二值化图像进行Blob分析，获取色块的参数信息和位置信息。依据这些信息，通过阈值判定网状障碍物，并在人机界面上对驾驶员进行警报提醒。（2）低矮障碍物检测算法研究对低矮障碍物含有“高度”信息的图像特征进行了研究。针对传统双目视觉检测方法实时性和抗干扰能力差的特点，提出了一种基于上下双目视觉的检测方法。该算法通过对障碍物顶部棱线的投影分离情况进行检测，达到了理想的检测效果。首先对图像进行灰度化处理，并利用图像差影法提取棱线投影分离的色块。对图像进行灰度增强和形态学滤波后，用Blob分析提取了障碍物顶部棱线的投影色块并根据阈值判断是否对驾驶员进行报警提示。该检测算法与传统平行双目视觉检测算法相比具有实时性高，鲁棒性好，显示效果直观等特点。