1引言
随着经济和社会的迅速发展，交通基础设施的瓶颈制约作用越来越明显。这种制约不仅体现在交通堵塞问题日益突出，同时还体现在由于车辆的快速增长而带来的安全问题。中国虽然只拥有不到全世界3%不到的车辆，但是交通事故导致的死亡的事件却占了全球16%，每年超过十万人丧生于车轮之下，这不得不让我们反思，中国的交通安全问题迫在眉急。
为了提高整车的安全性能，各大汽车制造商和零部件供应商联合提出先进汽车辅助驾驶系统（Advanced Driving Assistance System），简称ADAS。ADAS系统是利用测车身各种传感器获得周围环境的各种信息，并将这些目标状态信息传给电子控制单元（ECU）,进行目标检测和动态识别，然后通过执行控制策略将信号传给底层控制系统。
ADAS能够极大的减少交通事故的发生，防撞预警系统属于ADAS的一种，可在汽车与目标距离过近时及时预警，甚至主动采取防撞措施，因此对防撞预警系统的研究具有重要意义。视觉传感器采集数据量丰富，成本低，基于视觉的防撞预警具有重要的研究意义。
2国内外研究现状
- 国外研究现状
国外的汽车工业起步的比较早，对碰撞预警系统的研发也比较早，在1938年，Gibson就提出了汽车安全驾驶的问题[1]。1957年，第一次在航空交通工具上出现了碰撞预警系统[2]。
1978年，美国California州的JPT在NASA的项目资助下首先提出了运用计算机视觉进行车辆检测的方法，这也是图像处理领域首次使用计算机视觉技术进行物体识别的里程碑[3]。几年后，第一个基于视觉的车辆检测系统在明尼苏达大学被开发出来，后来，经过40年不断地积淀与探索，形成了背景差分法、光流法等常见的检测算法。通常，检测的方法分为两种：第一种，Broggi等人使用自适应的背景模型用来提取前景信息，使用基于运动的背景差分法进行检测车辆[4]，Arrospide等人计算邻帧之间的全息矩阵，帧与帧之间不能相互映射的区域被识别为运动车辆[5]，Jazayeri等使用隐马尔可夫模型在视频中分离背景和运动车辆[6]；第二种，基于外观的的车辆检测方面[7]，Melgani等人利用尺度不变特征变换（SIFT)提取图像中的关键点，然后利用向量机（SVM）预测图像中的SIFT关键点是否属于车辆结构[8]，cheng等人提出了一种新的基于动态贝叶斯网络的车辆检测方法[9]。
上世纪90年代，德国UBM大学便开展了利用计算机视觉算法进行车距估测的研究，其开发的系统可利用计算机视觉算法在80米的范围内可靠估测前方车距，而下一代系统的CPU的处理能力能力更强，处理器数目减少80%，计算能力却提高10倍，并且可以实时处理图像。不过，该系统在光线变化的天气条件下，可靠性不能满足市场的需求[10]。
以色列一家专注于计算机视觉开发的公司Mobileye,在视觉高级驾驶辅助系统的研发方面取得了举世瞩目的成果，该公司研发的基于单目视觉传感器的环境感知系统具有一定影响力。该系统能够利用单个摄像头同时实现车道线和行车车道偏离检测、障碍物车辆以及行人检测等功能。该系统已经被应用在包括宝马、通用、沃尔沃等整车制造商的车辆中[11]。
但是，摄像头比较容易受到光照的影响，处理图像的算法复杂，需要大量的计算，普通的计算平台无法支持该种计算力。单目标视觉无法准确的获得目标的距离和速度信息，在紧急制动的相对距离和相对速度都无法准确获得。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
