智能汽车主要通过环境感知系统实现车辆的安全行驶。本文通过分析车载激光雷达采集的数据,基于直线特征提取的改进算法为智能车提供前方路面环境的感知信息,并为智能车行驶的主动安全模型提供参考,辅助汽车实现驾驶安全。本文的主要工作和成果总结如下：利用车载激光雷达所采集的数据,在连续边缘跟踪法(SEF)、最小二乘法(LSM)和融合算法SEF-LSM的基础上,提出了一种改进的直线特征提取算法SEF-LSM-BM。该算法引入一种回退机制(Back-off Mechanism)、逻辑推理和特征合并(Merge)的方法,区分路边界和障碍物,并对车辆可通行区域进行检测。使用同一帧激光雷达数据对4种算法进行了实验,结果表明：与SEF-LSM和SEF-LSM算法相比,SEF-LSM-BM算法能够快速准确地检测、合并路边界,标记高危障碍物,给出可通行区域。基于车辆矩形边的直角特征,采用直角匹配算法PERP提取特征直线、检测前方车辆目标,相较于二次拟合(Fitting)、SEF、LSM其他三种算法,其处理速度提高120～160倍,匹配结果能够较好地匹配前方车辆目标的矩形特性,误差的平方和在保证正确性的基础上维持在较低的水平。结合毫米波雷达的测量信息,得到前方车辆目标的距离、相对角度、相对速度。分析计算车辆经典制动过程中的各阶段物理量,各车速下近似制动加速度值相比于国家标准,准确率达到99.9%以上,验证了近似后的安全行驶模型的正确性。以制动后智能车与前车的距离为关键参数,为智能车建立了主动安全模型。以临界安全车距为阈值的安全度估计值,相比于以极限车头间距为阈值,同时考虑了智能车和前方车辆目标的运动状态,使安全车距阈值有更好的灵活性,主动安全模型具有更好的适应性。