作为停车辅助驾驶系统(PAS)的重要组成部分,基于视觉的后方障碍物检测算法是一个比较新的研究领域.目前,基于单目视觉的障碍物检测主要包括基于特征的检测算法和基于运动的检测算法两种方案.然而,基于特征的障碍物检测方法,通常是利用障碍物的特征进行检测,需要预先获知所要检测的障碍物的特征,因此仅适用于特定类型障碍物的检测.而对于基于运动补偿的方法,当道路面纹理比较丰富会产生很多误检测,且对光照变化比较敏感.本文对传统的特征点检测和跟踪方法进行了改进,即首先使用Harris角点检测算子做特征点检测,再对检测到的特征点迭代使用Forstner定位算子和双线性插值法得到亚像素级的精确坐标定位,然后对这些特征点使用基于金字塔的光流亚像素跟踪方法得到它们在相邻时刻图像上对应的匹配特征点.本文提出了一种障碍物物检测的新算法：即基于匹配特征点道路面投影坐标位移量的障碍物检测方法,对于得到的匹配特征点对,通过运用逆透视投影变换求得它们对应的道路面投影坐标位移,并依此得到摄像机位移量的估计值.最后,用以摄像机位移量为自变量的阈值函数对各特征点的道路面投影坐标位移量作判断,由此区分出特征点属于障碍物或道路面,并能够得到各特征点的真实高度信息.试验结果证明了本文算法具有较高的检测精度,同时具有计算量小、对光照变化的不敏感、鲁棒性好和检测的障碍物形状不限以及所用阈值的具有自适应性等优点.在与其他算融合的过程中,本文算法在能够提升检测率的同时,还能够有效去除误检测,确定道路面区域.