随着社会经济以及汽车制造技术的不断发展，汽车的数量越来越多，由此引起的行车安全问题也日益成为社会关注的焦点。如果能在发生危险之前给驾驶员以预警，将在一定程度上降低交通事故率以及事故所带来的损失。因此，汽车辅助驾驶系统成为了研究的热点。　　目前大部分汽车辅助驾驶系统采用单传感器系统:一些是基于雷达的，另外一些是基于视觉的等等。但是不管是基于雷达的还是基于视觉的单传感器汽车辅助驾驶系统都不能保证提供完全可靠的环境信息，由此带来的虚警、漏警也影响了系统的可靠性。多传感器信息融合技术的发展为提高汽车辅助驾驶系统的可靠性带来了新的希望。　　本课题采用多传感器信息融合的方法来设计汽车辅助驾驶系统。车辆环境信息由视觉传感器和雷达传感器分别获得。道路线目标的检测与跟踪采用基于“模板匹配”的检测算法。图像搜索则采用基于GA和运动预测的随机搜索方法。由图像处理算法识别出道路线以后便可以只在道路线内识别前车，根据车辆底部的阴影得到可能存在前车的候选区域，并且通过熵值归一化的灰度对称性对前车候选区域进行确认。得到道路线信息后，由本车与道路线的横向关系可知本车是否偏离车道线，如果偏离则给出预警。由视觉传感器和雷达传感器分别得到的前车信息，利用D-S证据理论融合算法将两者信息融合判断前车信息，这样可以使得到的前车信息更加可靠。最后利用雷达传感器获得的前车与本车的相对速度和距离信息通过临界车距公式计算目前情况下是否需要给出相应的预警。　　通过实验验证本多传感器信息融合系统能在一定程度上降低虚警、漏警，基本能满足汽车辅助驾驶系统的要求。