技术特征：
1.一种基于摄像头的汽车并道辅助驾驶的方法，其特征在于，包括以下步骤：步骤1：通过设置于左视镜、右视镜和后视镜上的摄像头获取车辆左后方和/或右后方图像信息；步骤2：对获得的图像进行预处理，得到透视变换后的二值图和车道线信息；步骤3：根据得到透视变换后的二值图和车道线信息对车辆位置进行初步定位；步骤4：通过Adaboost算法判定车辆真伪情况，得到车辆的位置信息；步骤5：根据车辆位置信息计算距离本车的实际距离。2.根据权利要求1所述的基于摄像头的汽车并道辅助驾驶的方法，其特征在于：所述预处理过程包括：步骤1：通过透视变换方法将采集到的平视视角图变换为俯视视角图，并选取感兴趣区域；步骤2：将感兴趣区域进行图像二值化处理；步骤3：在二值化处理后的图像中检测车道线所在直线，得到车道线信息。3.根据权利要求1所述的基于摄像头的汽车并道辅助驾驶的方法，其特征在于：所述对车辆位置进行初步定位包括以下过程：根据车道线信息选择相邻车道区域作为感兴趣区域；如果感兴趣区域内存在无规则形状，则判断该形状为车辆位置的备选区域，并记录该备选区域位置信息；否则判断感兴趣区域内无车辆。4.根据权利要求1所述的基于摄像头的汽车并道辅助驾驶的方法，其特征在于：所述通过Adaboost算法判定车辆真伪情况包括以下过程：首先生成车辆分类器，然后根据车辆分类器判断车辆备选区域的真伪。5.根据权利要求4所述的基于摄像头的汽车并道辅助驾驶的方法，其特征在于：所述生成车辆分类器包括以下步骤：步骤1：采集车辆的正样本图像和负样本图像，并将图像归一化为相同大小；步骤2：提取Haar特征的位置信息；步骤3：根据位置信息计算样本的特征参数，生成弱分类器；步骤4：利用特征参数对所有样本进行分类，逐次选取若干分类误差最小的弱分类器并记录其迭代权重，形成一个强分类器；步骤5：当强分类器的正负比率不大于准确率阈值时，通过强分类器滤除一部分负样本，将剩下的样本作为统计样本，并返回步骤4；步骤6，当强分类器的正负比率大于准确率阈值，完成车辆分类器的生成。6.根据权利要求4所述的基于摄像头的汽车并道辅助驾驶的方法，其特征在于：所述判断车辆备选区域的真伪包括以下步骤：将待检测的备选车辆图像归一化至训练样本大小，并根据强分类器判断，如果该待检测的备选车辆图像通过全部强分类器，则该图像为车辆图像；否则为非车辆图像。