车辆测距技术是实现自动驾驶及汽车防撞技术的关键技术。随着计算机软硬件技术的发展,成像式测距技术将逐步走向成熟。目前应用于智能车辆的视觉系统有立体视觉体统和单目视觉系统两种。立体视觉系统在图像配准上存在难题。单目视觉在图像处理的速度和控制的实时性方面都优于立体视觉,它具有潜在的应用价值和广阔的发展前景。一个视觉测距系统主要包括图像采集、图像处理和测距结果输出三个部分。本文采用单个摄像头采集道路图像,然后将采集到的图像进行处理,最后输出测距结果。本文的主要内容包括以下几点：(1)图像采集：我们选择车流量小,车道线明显,并假定在本车道内除了行驶的车辆外,没有其他障碍物,路段比较直的公路上进行试验。用单个摄像机采集前方道路图像。(2)图像预处理：对采集到的图像,进行一系列的图像预处理操作。通过对各种图像处理方法进行比较,确定预处理方案。首先对图像进行灰度转化,用对数变换改善图像的亮度差异,用拉普拉斯算子增强图像的边缘信息,并用中值滤波对图像进行滤波去噪,最后选用Canny边缘检测算子对边缘进行检测,效果较理想。(3)车道线检测：一般车辆都是位于车道线内。我们确定车道线的位置,可以缩小处理范围,这样可以更快地检测到目标车辆的位置,相应地系统处理速度更快。一般的检测方法有最小二乘法、霍夫变换和最优线段拟合方法。本文根据道路基本上位于垂直中线的两侧,而且基本呈45度的特点,提出了一种车道线检测算法。首先对图像从下到上以垂直中线为分界线,逐行分别向两边搜索值为1的第一个点作为左右车道线上的点。然后用重复剪辑最近邻法剪辑掉干扰点。接着根据本车道的车道线呈45度角这一特征,确定出属于本车道的点,最后根据最小二乘法原理进行直线拟合,实验结果表明,该方法有效拟合出车道线。(4)目标检测与识别：我们把从图像下方到车道线交点处两车道线内的区域作为感兴趣区域。在感兴趣区域内,灰度变化缓慢,但遇到车辆等障碍物时,灰度会发生突变。我们利用灰度变换原则,对感兴趣区域逐行搜索,计算每行的平均灰度,分析灰度变化情况,检测出灰度突变所在的行,作为目标车辆的位置。(5)车辆距离测量：根据几何变换理论,借助反转透视模型,建立一个计算车距的公式。要求建立的车距计算公式满足实时性和准确性这两个要求。在实际路面上进行测距试验,检验测距的效果。