智能车辆技术作为提高驾驶安全性的有效途径,智能车辆技术融合了图形学,机器控制理论等多学科知识,与其他传感器如雷达、超声波、激光等技术相比,机器视觉技术的特点是具有更大的信息量和成本低廉。论文基于机器视觉以车道线检测和车辆检测为研究对象。本文介绍了SUSAN算法边缘检测,并针对SUSAN算法不能有效地检测移动车辆的缺点,提出一种改进的SUSAN算法,即先对待检测像素点进行粗略的筛选,选出候选边缘点再利用自适应阈值t的方式得到边缘点,给驾驶员提供辅助驾驶细信息。本文设计的行车安全预警系统主要由三个功能模块组成,即前车车距检测,车辆变道检测,疲劳驾驶检测,文章的主要内容如下:1.传统的智能车辆技术采用基于PC机的Windows系统,体积大,资源浪费,成本高。本文从嵌入式角度出发,在硬件选择,系统移植烧写,嵌入式开发环境等多个方面讲解了基于嵌入式系统的行车预警系统的开发。2.跳出传统边缘检测算法,基于复杂道路环境下,采用改进的SUSAN边缘检测算法,检测出车辆边缘,再结合几何算法及摄像机标定法,推导出前车距离,从而从视觉的角度解决了车距检测问题。3.在嵌入式系统基础上开发的行车安全预警系统有三个模块,这三个模块之间采用线程调度,设计并实现了线程之间通信。4.采用霍夫线检测方法,从图像角度解决了车道线检测问题,分析了车辆变道安全距离数学推导公式,从而在判断出司机变道意图之后,进行安全检测。而对于疲劳驾驶模块,只在特定车型上开启,采用人脸检测技术,对人眼进行定位,检测是否处于睡眠状态。