智能辅助驾驶系统是智能交通的一个重要组成部分,对于减少交通事故、降低人员和财产损失、提高公路运输能力以及减少环境污染都有着极为重要的意义。正是因为有着如此重要的意义,车辆辅助驾驶系统越来越多的受到人们的关注。由于感知方式与人类相似,同时具有较强的泛化性能力和价格优势,利用计算机视觉进行道路场景感知的方式被广泛应用到智能辅助驾驶系统中。在智能辅助驾驶系统中,对道路上行人的检测、定位等是直接关系到车辆前方人员安全的技术,是智能辅助驾驶系统中必不可少的部分。因此,本论文主要围绕辅助驾驶系统中行人检测方法和道路场景下的距离估计方法,重点通过计算机视觉技术进行解决和优化,为智能辅助驾驶系统中的控制部分提供更加准确的和实时的信息反馈。论文的主要工作可以概括如下:首先,论文总体介绍了基于计算机视觉的行人检测和距离估计的相关研究,并对道路场景下的行人检测和深度估计的研究意义和研究内容进行了阐述。结合当前车辆辅助驾驶系统的研究热点和应用需求,论文探讨了单目和双目行人检测和深度估计对车辆辅助驾驶系统的应用价值和研究意义。其次,文章在基于视觉的车辆前方行人检测方面,对双目视觉进行了深入的研究。根据双目视觉中存在的特性,提出了一种结合双目视频序列中前后帧和左右帧信息进行行人检测优化的方式,对视频中当前帧图像中检测结果进行检测优化。该方法首先对输入的双目图像进行校正,并对于校正好的图像,利用U-视差和V-视差,获得车辆前方道路及道路上障碍物的柱状模型。利用道路障碍物柱状模型,减小检测过程中搜索区域,从而提高检测速度。然后,利用基础检测器对双目序列中前后帧和左右帧进行检测,将前后帧和左右帧的检测结果与当前帧结果相匹配,通过行人检测结果的最佳匹配对检测结果进行优化和加强,从而获得更好的行人检测效果。通过对不同数据集的实验结果表明,论文中提出的方法可以有效的提高行人检测的准确性,同时提高了行人检测的速度。该方法的提出对该领域的探索提供了一些有利的帮助。然后,双目视觉在行人检测方面可以提供很多有利的额外信息,而这些额外的信息能够很好的帮助提高行人检测的准确性。因此,论文在上一章节的基础上,提出了一种基于双目视觉的组合双行人检测辅助的行人检测优化方法。该方法通过双目视觉中左右图像的检测结果和匹配结果,构造组合双行人图像。通过机器学习的方法训练双行人检测器,对构造的组合双行人图像进行检测,得到的双行人检测结果用于辅助当前帧行人的检测,从而提高行人检测的准确度。最后,基于双目视觉进行深度估计的方法具有很大的局限性,如双目相机的内参和外参必须进行提前的标定,而在实际环境中,相机的外参会随着车辆的行驶、车辆的波动、外界环境温度等因素的影响,时刻在发生变化。因此无法准确地估计某一时刻的相机外参数,这对于利用双目相机进行深度估计造成了一定的影响,使得在实际环境中基于双目视觉进行深度估计的结果不准确。因此,本文提出了一种基于全卷积神经网络的单目视觉车辆前方场景深度估计方法。该方法通过利用深度网络对连续帧图像进行训练,利用训练好的模型对输入视频序列中场景的深度进行估计,得到车辆前方道路场景的深度信息。