激光、超声波、雷达、红外线、视觉等测距方法是现在主流的测距方法，超声波和红外测距法凭借其探测距离短的优点，被广泛应用在汽车的倒车系统中，而激光、微波、雷达测距则凭借其测距较近并且精度高，主要应用于车辆的安全控制系统。但现阶段激光、雷达、超声波等测距方法存在测距成本高的难题，例如雷达测距装置大多需要多传感器来加强介绍电磁波信号。超声波测距大多采用单片机作为控制核心，且单片机的使用寿命较短，这就导致测距装置开发和维护成本较高。但视觉测距技术仅使用普通摄像机测距，其低成本的优势使其成为近些年的研究热点。而视觉测量技术被分为了双目视觉测距、单目视觉测距两种，它们都具在精度、速度、智能化方面有着极佳的适应性。由于高速行车有明确的跟车距离，即车速在 100km/h 以上时，安全车距在 100 米以上，所以目前主流视觉测距均可以达到 150m 的测量距离，并且有着精度高、稳定性好、非接触测量等特点。
李建华等人提出一种基于 SURF 特征提取的双目测距方法。该算法通过对左右图像提取到的特征点进行相应的约束来达到选取特征点的目的，然后将选取到的特征点根据双目视觉测距原来算出对应的距离。同志学等人对双目图像的测距与定位进行了研究。他们将双目摄像机安装在车上，根据车辆的行驶将周边的图像进行采集，同时对相同时间采集的左右图像进行 SURF 的图像匹配，来得到该图像的深度图，进而得到距离信息。
程一轮博士首次提出把左右相机采集的图像利用矩形框进行选取，同时将矩形框内的图像用 SIFT 算法进行特征点提取，采用立体匹配算出目标的视差值，再利用双目视觉测距原理计算得到距离信息。
邹斌提出了一种面向未来智能交通的自适应前方车辆单目视觉测距方法，通过计算图像坐标系下车道标志线、交通标志、车辆尺度信息，依据相机成像数学模型计算前方目标车辆距离，但由于其适用场景的限制，必须获得多道路的相关信息，因此无法获得广泛应用。
关闯等人提出了一种基于车道线消隐点的单目视觉自适应车辆测距方法，来抵消传统单目视觉测距中摄像头参数变化对结果造成的影响，但该方法仍然存在一定的限制，由于需要对车道线信息进行特征提取，一旦提取精度不足，则会对测距精度产生极大影响，所以只能应用于特定结构化道路。
Ahmed Ali等人根据对车辆转弯时的特征分析，提出了一种单目相机估算前车距离的算法，实现了在弯道上对前车进行测距的方法，但该方法也仅限于在弯道行驶的车辆，具有一定局限性。
宋振波等人则是根据光流法实现对前车距离的计算，通过测得的光流和车辆控制端的信息来估算车距和行驶速度，但由于该方法对车辆控制信息的需求极大，并且受光变环境影响，所以限制性也相对较大。
吴骏等人通过相机的成像原理来采用纵向测距模型来实现对车辆距离的估算，利用相机的自身高度这一准确的物理值，代替车辆的物理宽度，使得不需要对车辆的宽度进行估算，即可获得更准确的测量数值，但由于该方法无法确定车辆与地面相接的准确位置信息，并且一旦相机的安装角度出现问题，测量的误差也会随之增大。
高伟越等人提出了一种基于水平方向和垂直方向的相似三角形测距方法，减少了由于车辆自身在远距离上的俯仰角而导致的误差，但该方法没有考虑到车辆与地面相接的下边沿位置问题，造成测量误差。
