近年来，汽车安全问题成为世界各国关注的热点问题，每年因交通事故导致的人员伤亡和经济损失不计其数。其中，由于后视镜盲区的存在、驾驶员对侧后方正在接近的车辆难以准确判断等原因所造成的交通事故不在少数。因此，在主动安全领域，基于侧后方区域的智能驾驶系统应运而生。然而，驾驶环境的复杂性和多变性，往往会影响智能驾驶系统的鲁棒性。为此，常需要大量的实验来验证这一性能，而这无疑会加大系统的开发周期和研究成本。　　本研究是基于Prescan的侧后方车辆预警算法，通过在Prescan软件中搭建的虚拟平台来开发并验证该算法。这一算法的研究对于能否准确识别侧后方区域车辆，确保智能驾驶系统更好地实现预警功能有重要意义。本研究的主要内容概述如下:　　(1)从训练模块和检测模块两个方面，对侧后方车辆的识别算法进行研究。训练模块对采集的样本集进行训练，获得针对于侧后方车辆识别的分类器;检测模块对分类器初步识别出的图像进一步处理，以解决其出现的多重窗口和路面误检的问题。　　(2)对侧后方车辆的跟踪算法进行研究。从模型的建立、相似度度量及目标跟踪三方面介绍Meanshift理论，提出选用LBP模型与传统颜色模型相结合的方式来减小对颜色信息的依赖度。此外，针对大小变化的侧后方车辆，提出了可变窗口的自适应方法。　　(3)研究换道工况下，对侧后方车辆的预警规则。从换道安全性出发，分析换道事故发生的主要原因。综合考虑相对速度、相对纵向距离和评价指标TTC(Time to collision)三个参数，提出符合实际的换道预警规则并进行验证。此外，利用单目视觉知识，测算侧后方车辆与本车间的相对速度和实际纵向距离。　　(4)对本文提出的侧后方车辆识别与跟踪算法、以及基于视觉的测距和测速模型进行验证。利用Prescan搭建的虚拟仿真平台，实现图像采集并对其进行图像预处理，继而结合Matlab中编写的侧后方车辆识别与跟踪算法，对虚拟仿真平台采集的图像进行处理，验证其算法的有效性。