随着国家经济的持续增长,人民的生活水平不断提高以及交通运输条件进一步完善,国务院要求发展“无人驾驶交通工具”等新前沿技术,进行基础研发,构筑“自动驾驶车辆”等新兴智能终端产业体系和政策环境。因此,自动驾驶相关技术成为全国研究的热点。而安全预警系统能使自动驾驶车辆提前察觉潜在的危险,对可能发生的交通事故进行预警,从而确保自动驾驶车辆的安全行驶。所以,安全预警系统是车辆自动驾驶系统的重要组成部分,是自动驾驶车辆安全平稳行驶的前提。自动驾驶安全预警系统是指在环境传感器获得的环境信息基础上,确定本车所处位置并感知本车周围环境,结合自动驾驶车辆的驾驶意图和车辆运动模型,保证自动驾驶车辆的安全行驶。现有自动驾驶安全预警技术中的环境感知模块主要采用超声波雷达、激光雷达、毫米波雷达、红外探头、摄像头等传感器识别目标,并测量目标与车辆之间的距离。超声波雷达、毫米波雷达、红外探头无法准确识别目标,而激光雷达产生的三维点云数据量巨大,目前的计算设备无法实现实时高精度匹配,因此摄像头是当前可采用的最佳传感器。为此,本文深入研究基于双目视觉的临撞预警和基于机器视觉的车道偏离预警两种技术,并将其融合于高精度定位系统中,实现自动驾驶车辆的安全预警。对于自动驾驶车辆的定位系统,现有算法会累计在测量时产生的传感器噪声和运动模型在预测阶段自身生成的噪声,使得自动驾驶车辆的定位误差随着车辆行驶距离的增加而增大。并且GPS需要从至少四颗卫星接收信号,因此仅使用GPS进行自动驾驶车辆精准定位的方法受到限制。对于自动驾驶车辆的临撞预警系统,现有算法多是运用激光雷达获取自动驾驶车辆的周围环境信息,因而这种方法的成本过高。对于自动驾驶车辆的车道偏离预警系统,现有的算法虽能对车道偏离发出及时的告警,但是这些方法需要设置大量参数,并且对算力要求较高。针对以上问题,本文的主要工作如下:（1）设计并实现自更新地图传感定位系统。本文使用扩展卡尔曼滤波算法处理来自不同传感器的数据,进行数据融合,生成精确的位置和姿态数据。当GPS信号可用时,本文使用GPS信号确定自动驾驶车辆的位置;当GPS信号不可用时,本文使用扩展卡尔曼滤波算法,通过GPS信号同步IMU,校正IMU的累计误差,从而获取自动驾驶车辆的位置。此外,本文还使用Haar-Like特征和SVM分类器识别路缘线,交通标志,基座和建筑物位置等,构建街道网络基础地图。（2）设计并实现基于双目视觉的临撞预警系统。首先利用两个摄像机作为传感器,设计双目视觉模型。然后通过ROI的选取兴趣范围,利用支持向量机识别自动驾驶车辆前方的行人及其他可能影响车辆行驶的障碍物。之后提出基于任务的4D车辆检测算法,检测自动驾驶车辆四周的车辆信息。最后提出自动驾驶车辆临撞预警策略,计算碰撞线、紧急制动线、期望跟踪距离线及容许跟踪误差线位置,评定车辆碰撞等级,实现临撞预警。（3）设计并实现基于机器视觉的车道偏离预警系统。本文提出一种新的车道偏离预警算法,名为车道线夹角法。该方法在基于摄像机的车道线识别基础上,通过摄像机的参数,计算自动驾驶车辆的坐标系到图像缓存区坐标系的变化。然后计算在图像缓冲区坐标系中可以表示左侧车道线和右侧车道线的方程。之后通过两个方程求解左右两侧车道线的夹角。最后通过设定阈值,判定自动驾驶车辆是否将会偏离车道,从而实现车道偏离预警功能。（4）本文最后将自更新地图传感定位系统、基于双目视觉的临撞预警系统及基于机器视觉的车道偏离预警系统融合在一起,设计并实现了基于机器视觉的自动驾驶安全预警系统。最终系统实现的测试结果表明,本文所设计的安全预警系统能有效对路标进行视觉定位,对行人和车辆进行精准的检测,对车道偏离给出适时的预警。整体而言,本文设计的基于机器视觉的自动驾驶预警系统鲁棒性好,精确度较高,能够满足自动驾驶车辆安全预警的要求。