随着汽车保有量的增加,交通事故逐年增长,严重威胁了人类的生命财产。由于汽车安全辅助驾驶技术可以减少交通事故的发生,降低财产损失,各国越来越重视其研究。其中,实时地进行车辆、行人等障碍物的检测是汽车安全辅助驾驶主要内容之一,可以有效地防止追尾碰撞、行人伤亡等恶性交通事故的发生。本文立足于我国的汽车交通现状和技术条件,以大连理工大学智能车辆课题组自行研制开发的智能车为试验平台,致力于自主式智能车辆(本车)前方行人、车辆等静止障碍物的探测和识别,并利用激光传感器获取障碍物与本车的距离,使智能车可以及时采取措施避开障碍物。本文以单目视觉和激光传感器作为车辆前方环境信息获取的手段,主要开展正常光照条件下的车辆前方静止障碍物的检测与识别算法研究,具体包括以下内容：(1)针对行人所处的交通环境比较复杂,提出了一种有效的行人检测方法,该方法是将当前帧图像与背景图像进行差分,将行人轮廓从复杂的背景中初步分割出来,由于行人在整个图像中所占的比例比较小,故采用最小误差分割差分后的图像,再利用形态学运算进行后处理,最后结合行人的统计特征进行行人的识别。基于激光的一维距离图像,先用最小距离法分割出行人,提出基于统计分析方法的行人判断准则。(2)在检测车辆阴影的基础上,提出了利用多阈值分割来消除车辆阴影半影影响的方法,从而得到相对准确的车辆感兴趣区域,然后在感兴趣区域内利用纹理、对称性等特征来排除非车辆的目标,最后利用边缘特征来对车辆进行精确地定位。基于激光距离图像的车辆识别过程中,首先利用中值滤波消除孤立点,然后用区域生长法将本车前方感兴趣区域范围内的障碍物线段分离出来,最后利用车辆宽度判断车辆是否存在。(3)本文以车辆检测为例,研究了多传感器信息融合方法,首先提取了基于车辆CCD图像的阴影矩形度、纹理、对称性测度特征以及激光距离图像的障碍物线段区域信息特征四个特征,再利用D-S证据理论的数据融合方法进行车辆检测。实验表明,融合后的系统具有较高的车辆识别率、鲁棒性和可靠性。