1. 一种基于单目视觉的前方车辆检测方法，包括下列步骤：步骤1 ：采集车辆前方路况原始图像I，截取作为当前帧的原始图像I 中包括两侧边界的下部区域，得到子图像Ipart，并复制子图像Ipart 得到图像Ipartl ；步骤2 ：对子图像Ipart 进行直方图均衡化；步骤3 ：从经过直方图均衡化的子图像Ipart 中获取车辆前方路面平均灰度阈值Tr ；步骤4 ：采用OTSU 法对经过直方图均衡化的子图像Ipart 提取灰度阈值t，从而将整个灰度范围划分为两部分[0，t] 和[t，255]，然后在[0，t] 的灰度范围内，再次使用OTSU 法，得到灰度阈值To ；步骤5 ：设H 为图像竖直方向的分辨率，f(i，j) 为第i 行第j 列的像素点的灰度值，Thi为第i 行二值化阈值，计算Thi ＝α×To+β×Tr，其中，α ＝i/H，β ＝(H-i)/H ；步骤6 ：对二值化结果进行评估，由评估结果判决最终用于提取目标的图像分割阈值，步骤如下：1) 将子图像Ipart 划分为Ifar、Inear 两个区域，Ifar 区域位于Inear 区域的上面，设Ifar 区域的二值化评估上限值为EvaluFarUp、下限值为EvaluFarLow，Inear 区域的二值化评估限值为EvaluNear ；2) 分别求出区域Ifar、Inear 中满足f(i，j) ＜Thi 的像素点，即分割为目标的像素点的个数NumFar 和NumNear ；3) 对于车辆前方路面平均灰度阈值Tr 和灰度阈值To，定义计算各自的预备阈值的方法如下：①如果上一帧的阈值小于当前帧阈值，则采用上一帧阈值作为预备阈值；②如果上一帧阈值大于或等于当前帧阈值，则减小当前帧分割阈值，作为预备阈值；4) 如果NumFar ＞EvaluFarUp，则利用车辆前方路面平均灰度阈值Tr 和灰度阈值To的预备阈值替代相应的当前帧阈值，并重新计算Thi ；5) 如果NumFar ＜EvaluFarUp 并且NumNear ＞EvaluNear，则计算车辆前方路面平均灰度阈值Tr 和灰度阈值To 的预备阈值，利用各自预备阈值重新计算Thi ；6) 如果NumFar ＜EvaluFarLow 并且NumNear ＜EvaluNear，则对路面平均灰度阈值Tr做一定程度的调整，扩大分割范围；步骤7 ：根据步骤6 的判决结果对经过直方图均衡化的图像进行二值化，实现目标分割，得到二值图像Ibinary ；如果NumFar ＜EvaluFarUp 或者NumFar ＜EvaluFarLow，则对区域Ifar 中，目标点之间小于h×w 的背景区域予以填充，实现目标的增强处理，h 代表垂直方向像素点个数，w 代表水平方向像素点个数；步骤8 ：在图像Ipartl 上，设定检测阈值G，以给定步长St 移动窗口St×St，计算窗口中的图像的灰度梯度向量模，并将灰度梯度模值大于或等于G 的窗口中的像素点的灰度值全部置为255，将灰度梯度模值小于G 的窗口中的像素点的灰度值全部置为0 ；步骤9 ：将二值图像Ibinary 与经过步骤8 处理后的图像Ipartl 做与运算，得到二值图像Icalibration ；步骤10 ：对二值图像Icalibration，对应每一行像素各设定一个滤波范围Ri ＝[WLow,WHigh]，其中WLow ＝a×i，WHigh ＝b×i+c，a、b、c 均为经验常数，逐行对满足滤波

条件的目标像素予以保留，对于不满足滤波条件的目标像素予以滤除；步骤11 ：获取代表同一车辆车底阴影位置的最底部线条的关键位置线条，对其进行线条融合，继而再提取图像的目标信息，作为当前帧的目标结果；步骤12 ：将当前帧的目标结果与上一帧目标结果及跟踪目标结果的信息进行匹配，根据匹配结果对当前帧的目标结果进行分类判决：1) 当前帧的目标结果与上一帧目标结果及跟踪目标结果均匹配失败，则判决为伪目标；2) 当前帧的目标结果与上一帧目标结果匹配成功，但与跟踪目标结果匹配失败，则判决为新目标；3) 当前帧的目标结果与上一帧目标结果匹配失败，但与跟踪目标结果匹配成功，或者，当前帧的目标结果与二者均匹配成功，则判决为跟踪目标；4) 对于在较长一段时间稳定跟踪的目标，如果当前帧没有检测到，则将该目标上一帧的检测结果判决为跟踪目标；步骤13 ：根据分类判决结果，确定当前帧前方车辆的最终检测结果。2. 根据权利要求1 所述的前方车辆检测方法，其特征在于：步骤3 的方法如下：在子图像Ipart 中截取一小块矩形区域Iroad，矩形区域Iroad 的垂直中线与子图像Ipart 的垂直中线重合，并且矩形区域Iroad 的底部边界线与Ipart 的底部边界重合，提取Iroad 的平均灰度值，将其作为车辆前方路面平均灰度阈值Tr。3. 根据权利要求1 所述的前方车辆检测方法，其特征在于：步骤11 中获取代表同一车辆车底阴影位置的最底部线条的关键位置线条，对其进行线条融合的方法如下由下向上逐列扫描，当遇到目标像素点p(i，j) 时，继续由点p(i-1，j) 向上扫描，若在检测到下一个目标像素点p(i-d，j) 时，两目标间的距离大于δd，则点p(i，j) 和点p(i-d，j) 均作为位置线条保留，当前列其他点像素值均置为0，从而获取关键位置线条，即代表同一车辆车底阴影位置的最底部的线条；再由右向左逐行扫描，当遍历到位置线条的左端点p(i，j)，并且位置线条满足一定长度δL，即点p(i，j) 到点p(i，j-δL) 的像素值均为255 时，继续向左遍历，如果点p(i-1，j-δL-c) 或点p(i+1，j-δL-c) 的像素值为255，则将点p(i，j-δL-c) 的像素值置为255，然后将点p(i-1，j-δL-c) 和点p(i+l，j-δL-c) 的像素值置为0，对该条位置线条的融合处理，直至点p(i，j-δL-c)、p(i-1，j-δL-c)、p(i+1，j-δL-c) 的像素值均为0 为止，c ＝(1，2，3，...)，由此将同一个目标位于不同像素行的位置线条融合为一行。