智能车辆技术是智能交通系统研究的热点领域,开展基于视觉的道路识别技术研究,是实现车辆辅助驾驶及至无人驾驶的关键技术之一。论文以道路识别与障碍物检测为研究对象,采用图像处理技术为行驶车辆提供环境状态信息并实现测量前方障碍物到本车的距离。　　 本文所研究的基于单目机器视觉的车辆测距系统是由车道线检测和前方车辆定位以及测距实现三个主要部分组成。车道线检测是在图像预处理的基础上实现车道线的识别和二维重建,为智能车辆防撞预警、自动换道、自动导航功能等系统提供重要的技术支持作用。前方障碍物的检测,是对图像指定区域进行分割提取等运算,以实现车辆定位功能。为了实现测距就必须实现二维图像坐标和三维世界坐标的转换,所以必须实现摄像机的标定。　　 本文主要工作及研究成果如下:　　 首先,研究了一种基于改进的Hough变换提取车道线的方法。在图像预处理的基础上根据车道线成像的方向性,选取合适的形态学算子对图像进行处理,然后对Hough变换进行加权处理来提取车道线。此方法既保证真实车道线边缘信息比例的同时又有效地降低了边缘信息总量,实验表明整体上提高了算法实时性和有效性。　　 其次,研究了一种提取前方车辆的方法。首先根据灰度特征提取出前方车辆的阴影,根据阴影位置设计算法生成车辆的轮廓线条,然后根据对称性特征验证车辆位置,最后提取出车辆的特征点。　　 再次,提出了基于正八边形模板的摄像机自标定算法,根据模板特征采用了改进了Harris角点提取的方法,提高了角点精度。该标定方法不需要进行三维空间点与二维图像点的匹配,也不需要在模板的制作过程中对圆心的精确定位。实验证明了该方法具有简单、方便和精确度高等特点,是一种有效的自标定方法。　　 最后,提出了根据图像上点的坐标位置实现测距的算法。　　 通过对单目视觉测距关键技术的研究,可有效检测前方车道线及目标车辆。开发了系统软件,通过实验对系统的关键技术进行了测试。结果表明,系统在不同光照、天气、道路条件下具有良好的适应性,具备较好的抗干扰能力。