智能汽车驾驶系统包含了智能交通、智能网联、通信等技术,为智能汽车安全运行提供重要的技术支撑。为了能够减少交通拥堵现象,降低交通事故发生频率,智能汽车环境感知技术成为重点研究的方向,已有多种对一般道路前方障碍物检测的算法在应用并取得良好效果。而在路面湿滑反光这种驾驶环境恶化的道路状况下,现已存在的多种障碍物检测方法的检测精度会受到较大影响。本文通过视觉相机（vision camera）实时获取环境信息。采用基于贝叶斯分类器对干燥和湿滑道路的纹理特征和颜色特征进行了分类训练,从而实现对道路状态的分类。为了能够准确输出湿滑反光道路环境中的所有障碍物位置信息,提出了改进VM的障碍物检测模型（改进VIDAR与Machine learning联合检测）,实现障碍物的精确检测,通过Kalman滤波目标跟踪算法,对运动的目标进行位置预测。对识别和预测的障碍物信息进行后续安全状态评估选择制动策略。主要研究内容如下:第一,提出了一种新的障碍物检测方法—改进VM的障碍物检测方法。从视觉相机的角度出发,介绍其成像的原理,为了提高障碍物的检测精度,提出一种改进VIDAR的障碍物检测方法。为了提高障碍物的检测速度,结合机器学习Faster R-CNN的目标识别算法,共同进行道路障碍物的检测。由于湿滑道路反光环境下可能存在的伪障碍物,本文重点搭建了改进VIDAR的障碍物检测模型算法:（1）确认立体未知障碍物,机器学习用于识别已知障碍物,获取去除已知障碍物后的图像,使用VIDAR的障碍物检测方法来筛选出立体的未知障碍物;（2）构建障碍矩形,寻找在水平和垂直方向上最远的特征点,构建障碍物矩形;（3）计算水平距离,根据VIDAR确定从物点到摄像机的水平距离;（4）找出立体障碍物,首先,计算障碍矩形的宽度,其次,通过三角形相似性原理确定高度和宽度之间的关系,当车辆和障碍物移动时,通过使用相同的宽度来计算真实障碍物和伪障碍物的矩形高度。计算比较两次高度值,确定立体障碍物。第二,在检测障碍物的信息数据基础上,设计基于安全距离模型的自动紧急制动策略。设计了两级自动制动策略（包括完全制动和部分制动两种情况）,通过分析完全制动和部分制动时的安全按距离模型与检测的障碍物的距离信息,选择制动类型。在确定完全制动的安全距离模型时,认定完全制动时的安全距离为自车的最小安全距离。而在确定部分制动的安全距离模型时,通过实验确定驾驶员最舒适的制动减速度曲线,通过对加速度曲线的二次积分获取安全距离。第三,通过MATLAB/Simulink仿真以及台架实验共同验证了两级自动制动策略的可行性。首先进行了制动电机的确定和选择,确定了电机的实时转矩,在仿真实验中,通过MATLAB/Simulink获取制动液压力的理论数据。在实验验证中,通过制动安全距离和障碍物的距离信息确定电机的实时转矩,将其转矩信息传递给STM32单片机,使其产生相对应的控制电机转矩的信号,最终实现制动效果。通过对制动主缸液压力的采集,确定实际制动效果,与仿真效果进行比较,验证了两级自动制动策略的有效性。