前方障碍物检测是智能车辆技术的核心。其中，视觉探测技术相较于超声波、激光、雷达等技术，具有更大的信息量、更符合人眼捕捉信息的习惯、成本更低廉等优点。因此，基于视觉的车辆检测技术已经成为当今研究的热点。论文基于机器视觉以车道检测和障碍物检测为研究对象，提出了一种有效的检测算法。用静态图像处理技术结合车辆行驶过程中车辆及道路特征，为驾驶员提供准确辅助驾驶信息。论文主要研究内容及研究成果如下：1.介绍国内外智能车辆研究现状及用于检测的不同传感器类型。综述道路及车辆检测算法主要分类，详细介绍各种方法优缺点。由雷达、激光等传感器测距方式的局限性突出机器视觉测距研究具有广阔的发展空间，并介绍了多种摄像机标定方法。2.通过研究大量数据，作者基于道路环境的先验知识——车辆位于道路范围内、且车道线大部分为直线，利用Hough变换法初步确定感兴趣区域（Region of Interest，ROI）。再通过道路灰度渐变的特征将兴趣区域进一步精确。3.在兴趣区域范围内执行最大类间方差法阈值分割（OTSU），通过车辆的黑色轮胎和阴影等深色特征将目标有效提取，得到潜在车辆位置。由于论文提出的确定ROI算法良好，使得检测区域内几乎只有车辆和道路。因此，OTSU阈值分割错分概率最小。最后，验证潜在目标的对称性，将非对称的虚假目标排除。将本文方法与两种基于特征的前沿算法比较，准确率、误检率、漏检率均优于对比算法。4.研究摄像机成像原理，分析并推导测距公式。利用张正友法对摄像机标定求取内部参数并带入测距公式，得到准确率较高的测量结果。