随着世界经济的稳步增长和汽车价格的不断下降,近年来私人汽车的持有量显著上升。在享受汽车给人们带来便利的同时,因交通事故而产生的问题也日益突出。其中司机泊车时由于车后盲区所造成的交通事故约占30%。因此,准确识别车辆周边环境的信息是十分必要的。然而,现有的倒车辅助产品大多是基于雷达或超声传感器的,存在检测范围小、有盲区,对行人特别是儿童等小对象的检测性能差或无法正确检测的问题。考虑到成本、电力消耗、设备安装、像机标定等问题,将单目视觉与超声或雷达传感器相结合的障碍物检测系统是未来的发展方向。本文提出了一种鲁棒的基于自车运动估计的障碍物检测算法。该方法建立自车运动模型,通过概率的方法给出图像块区域属于路面(或立体物)的隶属度,进而通过遍历运动参数的搜索空间,找到使连续两帧图像中对应的路面图像块之间自车运动概率最大的运动参数,从而准确估计出自车运动参数。本文在估计自车运动参数的基础上,利用障碍物与道路平面运动的差异性,在基于运动补偿的差分图像中,排除噪声点并提取出障碍物区域,用‘俄罗斯方块’的障碍物表达模型在图像中描述障碍物,从而实现任意形状、任意大小、任意运动方式和运动速度的障碍物的鲁棒检测。实验结果表明本算法支持复杂场景下的倒车辅助,能实现对自车后方一定范围内的任意形状、任意大小、静止或移动障碍物(如车辆、行人、球、电线杆等)的鲁棒检测。同时,算法所建立的任意障碍物的表达模型直观地描述了障碍物的形状、位置,为停车辅助系统中碰撞避免算法提供了重要的依据。