智能车辆相关技术的研究一天比一天获得更多国内外相关机构的目光。伴随着视觉传感器技术的日渐成熟，以视觉分析为基础的车辆检测技术现已经成为智能汽车的不二的研究热点。针对基于单目视觉的智能车辆防撞系统算法研究这一课题，下面主要从智能车环境感知73263

系统和基于车辆特征的车辆检测技术这两方面介绍国内外研究现状。

1   智能车环境感知系统

    在智能汽车的研究领域中各种具备驾驶辅助功能的主动安全系统慢慢变成研究热点，包括车道偏离报警、车速车距保持、前撞预警避撞、自适应巡航控制、侧撞避撞、车道保持等。对于任一智能汽车的主动安全系统怎样准确与实时地获得车辆周围环境的信息是该系统能否正确工作的一个必要条件。所以智能车行驶环境感知系统的一个发展方向是模拟人类的环境感知的行为，能为驾驶员辅助系统供给其需要的输入信息，为下一步的智能化控制等诸多功能的实现提供足够的技术支撑与信息来源。

日本1979年便研制出了全球首个室外移动机器人，便是将机器视觉作为环境感知的手段。全球性的大规模研究始于20世纪80年代初。目前全球智能车方面的研究的重要产品有：美国卡内基梅隆大学开发的NvaLab系列智能车、意大利帕尔玛大学幵发的ARGO智能汽车以及德国联邦国防大学开发的VAMP和VaMoRs智能车等。国内则以清华大学与国防科技大学为代表，在这方面进行了大量的研究工作。论文网

2   基于车辆特征的车辆检测技术

为了给驾驶安全辅助系统提供其所需的环境信息可通过多种传感器来达到采集环境信息的目的，比如超声波、红外传感器、机器视觉和雷达等。这些传感器各自都有不同的优缺点。红外传感器和超声波具有测量范围小，敏感于天气变化以及价格较为昂贵的缺陷。以及，毫米波雷达价格也很昂贵难以推广至民用车上。激光雷达敏感于灰尘与灯光的干扰，难以应用于较为复杂的道路环境。机器视觉敏感于环境与天气的变化，对目标深度信息的测量精度较低，算法较为复杂，但机器视觉对于多目标的检测比较适用且分辨率较好。雷达可弥补机器视觉对深度信息探测不准的局限，但雷达的误警率很高，由于雷达有限的探测视野范围，当道路的坡度较大时会出现前方目标车辆离开探测区域的情况，且不能及时探测到邻近车道新进入的目标车辆，进而降低了自车的安全指数；雷达易检测到路旁非目标的障碍物，尤其是路边栏杆造成的误检经常发生。

在基于机器视觉的车辆检测领域，从摄像机的安装角度出发考虑可分为两种：一是基于固定摄像机的车辆检测，主要在交通状况的监控以及牟流量的计算方面应用。另一种是基于车载摄像机的车辆检测。相较于固定安装的摄像机，车载摄像机采集实时的道路场景的图像，从而开展车辆检测的难度明显高于前者。固定摄像机所采集的图像背景较为固定，干扰因素比较少而且固定，可根据固定特征进而设计检测算法。但，车载摄像机采集的图像中目标车辆与背景均动态变化，尤其夜晚的光照条件较为复杂，因此它对车辆检测算法的鲁棒性要求要更高。

基于车辆特征的车辆检测方法主要有以下几种 ： 基于车底阴影特征的车辆检测算法；基于水平边缘车辆波的车辆检测算法；基于对称性熵的车辆检测算法；基于车辆尾灯特征的车辆检测算法。