智能汽车安全辅助驾驶系统已成为研究的前沿，在确保车辆行驶安全中发挥着至关重要的作用。本课题主要研究车前障碍物的检测与测距和车道线的检测与拟合，通过车道线和障碍物的特点对图像进行预处理，运用Hough变换法检测车道线，分段拟合车道线，利用阴影法粗略检测车辆，然后利用车辆的特征精确的框定位置，再运用Kalman预测障碍物的位置，最后通过测距公式进行标定摄像机的参数，通过二次标定摄像机的参数并测量本车与障碍物的距离。文章的主要内容如下：（1）首先通过CCD摄像机采集彩色数据图像，对彩色图像进行灰度，然后对图像进行滤波，运用边缘检测算子增强车道线边缘，再一步对图像进行二值化，对二值化后的图像采用近邻法滤除噪点，最后通过DLD算法，进一步筛选车道线的区域。（2）采用Hough变换法检测车道线，首先对于近区采用先中间后两边的方法检测近区车道线，对于远区采用感兴趣区域假设检测车道线，减少了霍夫变换的计算量；在近区车道线完成以后即可进行对行驶汽车进行是否压线的判定；利用分段拟合即近区采用直线拟合法，远区采用抛物线拟合法进行车道线的拟合。（3）提取车辆检测的感兴趣区域，提高了检测的实时性，对感兴趣区域内运用自适应双阈值法检测车辆的底部阴影，然后采用Sobel增强车辆的竖直边缘，提高检测的精度，灰度均值突变行附近区域存在障碍物车辆，建立一个识别的感兴趣区域粗略标定出车辆的位置，通过候选车辆区域的局部信息熵判定是否存在车辆，根据车辆的特征，对ROI图像采用垂直边缘增强，然后在ROI内计算对称性测度，最大的峰值处即为车辆的中心位置，实现精确框定障碍物的位置；利用Kalma预测车辆位置，提高实时性。（4）介绍了摄像机标定的基本理论，对测距公式的变换推导出摄像机标定的方法。运用二次标定法，人工选择四组标定点，分析测距结果的绝对误差和相对误差。二次拟合法和三次拟合法进行测距并运用拟合法进行修正标定点的坐标，难以满足精确度的要求。分析了图像本身的精度对测距结果的影响，表明二次标定法性能良好。