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。美国公路交通管理部的研究报告显示，美国每年至少有183人因倒车碰撞事故死亡、超过6700人在事故中受伤。加拿大，澳大利亚等国每年也有几十人死亡，上千人受伤。而在中国，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者无法正确检测的问题。　　本文提出了一种新型的基于单目视觉的检测方法，用来检测车辆在低速倒车时车辆后方广义障碍物（任意类型、形状障碍物）。该方法首先在原始图像上用前向后向误差法筛选出易于跟踪的可靠特征点。然后利用这些特征点在原图转换成的俯视图下进一步筛选出道路面的特征点，基于道路平面假设，估计出车辆的运动参数。　　本文在估计出车辆运动参数的基础上，对车辆的旋转、平移运动进行补偿。利用障碍物与道路运动的差异性，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。最终用矩形框的表达形式在图像中描述障碍物，从而实现在复杂环境下广义障碍物的鲁棒检测。　　实验结果表明本检测方法能够在复杂场景下实现对车辆后方任意类型、形状的障碍物（包括静止和运动障碍物）的鲁棒检测。同时，该检测方法还为停车辅助系统中碰撞避免算法提供了重要的依据。