随着我国高速交通系统的蓬勃发展以及汽车保有量的迅速增加,公路交通事故,特别是恶性交通事故发生率居高不下,交通安全问题日益突出。研究表明,发展智能交通系统与智能车辆是解决我国交通安全问题的有效措施。安全辅助驾驶是当前国际智能交通系统研究的重要内容,正是为解决当今世界上日益突出的交通安全问题而产生的。目前,在安全辅助驾驶研究领域中,安全车距的保持技术是研究的热点,其中基于机器视觉的车辆探测方法研究是该领域研究的主流。视觉含有丰富的信息,是其它类型传感器无法比拟的。利用图像处理与分析方法、模式识别理论以及计算机视觉技术等相关知识,能够很好的实现对目标的识别。由于高速公路上行驶的车辆往往具有一些与周围环境不一致的特征,本文根据车辆的水平和垂直边缘特征,主要从车辆的上部边缘入手,完成对前方车辆的识别。本文的研究内容主要分为以下几个方面:1.边缘检测和阈值分割:针对日间光照条件下原始图像的特点,采用Roberts算子和基于矩不变和迭代的最大熵阈值分割算法对图像进行边缘增强和分割;针对弱光照条件下原始图像的特点,使用8方向Sobel算子和Otsu阈值分割方法对图像进行处理,从而完成边缘图像的二值化。2.直线检测:分割后的边缘图像中,车辆的垂直边缘是不连续的,Hough变换刚好适用于这种条件。本文采用能够直接检测直线端点的Hough变换,提取出具有车辆垂直边缘特征的直线段,该方法较好的解决了传统Hough变换在直线提取过程中多线宽、缺少端点信息等缺点。3.上部边缘定位、识别:根据前方车辆两侧垂直边缘在图像中的位置特征,从Hough变换提取的前三条峰值直线段中,剔除非车辆边缘的那条直线,进而得到两条车辆的真实边缘。然后在两条垂直边缘建立的感兴趣区域内,结合车辆高宽比等先验知识,完成上部边缘的最终定位、识别。