车辆主动安全系统经常利用毫米波雷达识别周围的车辆目标，并判断自车周围是否存在潜在危险。而毫米波雷达输出的原始数据中经常出现的无效信号干扰了主动安全系统的正常运行。同时，毫米波雷达所测量得到的车辆信息不能直接反映其它车辆相对于自车之间的相对车道关系，因此主动安全系统无法直接利用该类原始数据。针对以上问题，本文使用ESR毫米波雷达进行实际道路试验，通过数据特征分析建立了有效车辆目标的挑选算法。同时，利用车辆横摆角速度和车速对道路曲率进行估计，在道路曲率和车道线距离的信息基础上，结合毫米波雷达的测量数据分别建立了直道路段和弯道路段下周围车辆目标与自车的相对车道关系辨识模型，为车辆主动安全系统提供准确的目标信息。主要的研究内容和结论如下：1、针对毫米波雷达的原始数据建立了有效目标挑选算法。由于每个毫米波雷达能采集64个通道的信息，而这些信息中存在大量的干扰信号和静止目标信号，对有效的车辆目标挑选造成干扰。因此，需要通过建立有效目标挑选算法从大量信息中识别出有效目标，为目标与自车之间的相对车道关系辨识提供有效的车辆目标信息。2、利用自车横摆角速度和车速建立了道路曲率的估算模型，同时建立了基于二自由度汽车模型的卡尔曼滤波模型，对横摆角速度测量值进行滤波处理，提高了道路曲率的估算精度。3、分别建立了直道和弯道路段下周围车辆目标与自车的相对车道关系辨识模型，包括目标与自车同车道的辨识模型、目标处于自车相邻车道的辨识模型以及目标处于自车不相邻车道的辨识模型。4、基于视频图像和实测数据分析对目标相对车道关系的辨识模型进行了有效性验证。选取了不同的交通场景，对图像分析结果和基于雷达采集数据的模型辨识结果进行比较，验证了目标与自车同车道和不同车道的情况下辨识模型的有效性。验证结果表明，目标相对车道关系的辨识模型在直道路段和弯道路段都能准确有效的工作，能够为车辆控制系统提供有效的目标车道信息和其它信息。