近年来，随着人工智能、计算机视觉以及深度学习的发展，汽车辅助驾驶系统已成为十分火热的研究和应用领域。在汽车辅助驾驶系统中，车道保持、偏航预警、自适应巡航、前车距离测量、碰撞预警等关键功能都依赖于基于单目的计算机视觉技术。因此本论文的研究内容具有重要的理论意义和应用价值。　　基于以上背景，本文针对汽车辅助驾驶系统中的单目视觉关键技术进行了深入的探讨和研究，实现了车道线检测、路面天空区域识别、车辆检测、车辆跟踪等关键模块，并且进行了深入的分析和创新。同时，对于前方车辆定位问题，结合上面的单目视觉关键模块，本文提出了一套完整的整体框架，实现了实时鲁棒准确的前方车辆定位与跟踪。　　具体的，本文完成的工作和取得的研究成果包括以下几个方面:　　(1)提出了一种对前车定位的目标区域(ROI)进行缩减的方法。具体包括车道线检测与跟踪、路面区域识别与天空区域识别。结合车道线信息、路面区域信息以及天空区域信息，对前方车辆在图像中的位置实现了约束，缩减了感兴趣的区域，对提高前车定位的准确性和实时性具有非常重要的作用。　　(2)研究并实现了实时鲁棒准确的车辆检测模块。本文结合传统的AdaBoost级联分类器以及类Haar特征的目标检测方法和基于卷积神经网络的目标检测方法，设计并实现了一种快速准确鲁棒的车辆检测算法。　　(3)研究并实现了快速准确的前方车辆跟踪模块。本文结合卷积神经网络的方法以及基于通过检测来跟踪(tracking by detection)的相关滤波器的方法，设计并实现了一种非常快速、准确的前方车辆跟踪算法。　　(4)对于汽车辅助驾驶中的前车定位与跟踪问题，结合车道线检测、路面天空区域识别、车辆检测以及车辆跟踪等模块，搭建了一套实时鲁棒的系统。　　本文实现了高级汽车辅助驾驶系统(ADAS)中基于单目视觉的关键模块与技术，同时满足系统的精度和实时性的要求，对于汽车辅助驾驶的研究和实际应用具有一定的参考和借鉴意义。