随着经济社会的发展和人民生活水平的提高,汽车保有量急剧增加,交通事故发生率逐年上升。道路交通安全已成为全社会高度关注的问题,因此能够提升汽车主动安全性能的汽车驾驶辅助系统(Advanced Driver Assistance System, ADAS)受到市场的广泛认可。作为ADAS的重要组成部分,前方车辆检测和车距测量方法能够适时产生碰撞预警信号,提醒驾驶人员前方潜在的危险,保证行车安全。本文立足于双目视觉图像处理技术,提出了基于双目视觉的前方车辆检测与车距测量的实现方案。在车辆检测部分,针对现有单一车辆检测方法存在对光照敏感以及误检过多的问题,提出了一种基于机器学习与先验知识相结合的前方车辆检测方法。首先,对视频图像进行预处理,设置感兴趣区域并生成直方图均衡化的图像。其次,利用由MB-LBP与Adaboost离线训练的分类器提取车辆候选区域。最后,根据区域内的水平边缘和灰度信息对提取的车辆候选区域进行判别,删除误检区域,从而实现前方车辆检测。在双目视觉车距测量部分,提出了一种基于左右图像车辆矩形框中心点特征匹配的双目测距方法。在计算过程中,以左车辆矩形框中心点横坐标与右车辆矩形框中心点横坐标之差作为匹配视差,然后结合双目相机的标定结果利用双目测量原理计算前方车辆距离。实验结果表明,在车辆检测过程中,阴天、晴天、多云条件下的车辆检测率达98.70%以上,傍晚及夜间条件下的车辆检测率达89.64%以上。在双目车距测量中,当车距小于40m时,车距测量误差小于1%；当车距在40m至100m时,车距测量误差小于3.6%。