基于视觉传感的前方碰撞预警(V-FCW)系统是汽车智能辅助驾驶领域(ADAS)最为典型的应用之一。前方碰撞预警(FCW)系统主要利用传感器获取信息并处理,准确判断前方可能发生的碰撞危险情况并对驾驶员给予警告。与目前多采用雷达传感器的前方碰撞预警系统相关研究不同,基于视觉传感的前方碰撞预警系统开发使用低成本的相机作为环境感知的工具。视觉传感具有模式识别及车道线检测等其它传感器不具备的优势,但同时也面临着障碍物识别及测速测距等方面的巨大技术挑战。基于此研究背景,本文设计了一套完整的V-FCW系统提出新的障碍物识别追踪、车道线检测及感兴趣目标(00I)确定和碰撞时间(TTC)计算算法并在仿真环境下验证其效果。V-FCW系统中图像处理模块的鲁棒性及对不同工况的适应性较差,需做大量不同工况下的实车试验以测试验证系统精度,包括诸多影响视觉传感及图像处理算法的环境因素,如天气、道路情况、光线情况、交通状况,以及不同的检测目标等。一方面工况的复杂多样性使得目前的研究中大多只能基于少数典型工况实施；另一方面由于真实环境中所有路试的不可重复性,即使同一工况下系统性能也需要反复验证。这不仅耗费大量的时间和经济投入,也延长了系统开发周期。Moogle为德国ETAS公司开发的基于伺服器的数据分析与检索工具。其数据库包含大量在不同工况中使用安装于行驶车辆上的单目相机进行路试采集到的视频数据,以及视频中相应参数的真实值。集成Moogle的视频数据库及查询搜索功能,本文提出了一个V-FCW系统开发、试验测试与性能验证平台。其视频数据可以代替不同工况下实车试验,使得测试和验证环节可以在实验室环境下实现；另外相比真实环境下的路试,平台数据具有可重复性、可共享性和可管理性,可供反复使用。平台还设计有数据分析模块,用于从功能上集成Moogle系统和V-FCW系统。数据分析模块一方面估计V-FCW系统算法对不同工况下获取视频的处理精度,另一方面结合Moogle查询搜索功能确定对系统算法性能影响较大的因素,用于支持其开发和改进。不同的系统和模块间设有输入输出端口,实现数据通信。最后,本文将所设计的V-FCW算法应用到平台中大量不同工况下的实车视频数据,对其进行处理后获得处理结果和精度估计结果,并将结果反馈平台数据库,完成数据传递与共享。文章还图示了几种典型工况下实车测试数据的预警系统图像处理模块图像检测结果、预警模块碰撞时间计算结果并做了合理分析,对V-FCW系统性能作出初步评价。以此为基础,本文举例说明了平台比较器基于Moogle伺服器对数据库查询和搜索,筛选出影响系统性能的主要因素,实现算法反馈。