自汽车产生以来，无论是它本身的数量还是与汽车相关的技术，都在以非常高的速度发展着。近些年来汽车的数量增长迅猛，这在促进技术发展的同时也带来了很多的问题。在方便性要求和安全性要求的双重推动下，汽车的自主驾驶技术高速发展。作为自主驾驶基础的障碍物检测在这样的背景下意义重大。本文关注的就是汽车自主驾驶中的障碍物检测，在进行障碍物的检测之前，本文先做了大量的观察和分析。在此基础上提出了几个障碍物的普遍而又十分突出的特征：即障碍物是与可行域相关的，障碍物在可行域内，且一般会与可行域本身有很大的反差，障碍物一般与阴影相关。这些特征都有一个共同的前提条件，那就是这些障碍物是相对于汽车的自主驾驶来说的。这些障碍物的特征只有在这样的前提条件下才最有意义，只有在这样的前提下才能保证这些特征的正确性。在汽车自主驾驶的障碍物检测中，利用障碍物与可行域相关，不仅可以减少检测的范围，提高检测效率。同时在可行域的范围内，本文用到的其它的特征才能够更有效的标示出障碍物，也就是说利用了障碍物与可行域相关的特点，还能够提高本文障碍物检测方法的准确性。在得到了大概的可行域之后，本文认为自主驾驶关注的所有的障碍物都一定是在可行域的范围内。同时认为既然是可行域内的障碍物，那么障碍物一般在颜色纹理等方面是不会与可行域相近，也就是说可行域内的障碍物一定会与可行域有很大的反差。在本文中这种反差是用特征点来表述的。使用上面的两个性质其实已经可以分辨出很多的障碍物了，但是还有一些类似道路标志等干扰利用这样的方法是不能排除的。因此又引入了障碍物的阴影特征，利用这个特征来排除干扰。利用上述的几个特征本文提出了一种检测障碍物的方法，这种方法首先利用本文提出的一种有方向的生长可行域边缘的方法提取出大概的可行域范围，之后使用SUSAN方法获取图像中的特征点，最后使用一种本文提出的方法获取图中的阴影区域。最后利用三个区域的关系得到图像中的障碍物。本文在提取障碍物的时候，选取的是尽可能普遍的特征。在求取这些特征时利用的也是一些基本的、实用的方法。因为在自主驾驶中效率很重要，所以本文尽量使用有效的方法来解决问题。经过实验表明，利用本文提出的方法和特征，可以有效的检测图像中的障碍物，解决正常光照条件下的障碍物检测问题，并且效率较高。对于夜晚，大雾等极端天气状况，使用简单的摄像机作为获取图像的工具难以实现障碍物的有效检测，所以这里不予考虑。