随着城市化进程的加速,城市交通问题日益严重。智能车技术作为解决城市交通安全、效率等问题的有效手段而备受关注。城市环境是智能车研究的趋势,它是一种半结构化的复杂环境,包含无法用统一的数学模型进行描述的路口环境。基于高精度GPS、基于机器视觉或全景激光雷达等传统导航方法都因其固有的局限性,限制了智能车在城市环境下的广泛应用和发展。这些局限性包括:同一种导航方法无法覆盖全部导航区域、难以承受的传感器成本、导航的实时性和可靠性不高。因此找到一种能同时解决这三大主要问题的自主导航方法,对于智能车的应用发展有着重要的意义。本文以校园环境为研究对象,以解决这三大现有问题为研究目标。校园环境是一种典型的半结构化城市区域交通环境,是智能车完全应用于城市环境前的阶段性研究对象。研究内容主要由三个部分组成,即系统方案设计、道路环境下的导航研究、路口环境下的导航研究,具体如下:(1)系统方案设计部分,对导航环境的特点进行了分析,基于环境划分的思想提出了自主导航的方案;给出了智能车系统的传感器配置。○1将导航环境划分为道路环境和路口环境,根据环境的特点,使用不同的导航方法。道路环境下,使用视觉进行道路边界追踪作为基本导航方法;路口环境的结构不规则,利用多种传感器融合来解决路口导航问题。导航环境的划分使得自主导航不再要求一种方法覆盖全部导航区域。○2系统的传感器配置是以导航需求为依据的,主要包括了:使用摄像头用于道路环境下的道路检测以及标志检测;使用激光雷达用于车辆避碰;使用低精度GPS提供全局定位信息,用于环境划分;使用编码器用于辅助解决路口问题。(2)道路环境下的导航研究,提出了一种实时可靠地道路检测算法;预瞄跟随控制在车辆横向控制上的应用;提出了车辆控制转角的滤波方法。○1道路检测综合了色彩分析和边缘检测,通过彩色空间的RGB数值分析滤除环境噪声,通过边缘检测方法得到道路边界轮廓。然后,通过Hough变换和一组约束条件得到道路边界。同时,提出了一种兴趣区域生成方法,减小了图像处理的区域。多场景的实验验证了该方法的有效性。○2分别针对检测到车道两条边界或只有一条边界的情况,详述如何根据道路检测结果应用预瞄跟随控制方法。○3针对传统滤波方法中过分依赖阈值的选取,提出改进的限幅平均滤波方法。实验证实了它在保持滤波性能的同时并不会因为滤波阈值的选取不当而失效。(3)路口环境下的导航研究,提出了路口导航问题的划分和解决方法;使用了基于车辆模型的避碰判断方法。○1路口问题被划分为路口检测、局部初始定位、目标位姿计算、路径规划、实时定位。针对这5个问题,详细介绍了解决方法。融合了多种传感器的信息,通过信息的互补,实现了低成本的解决方案。真实环境下的导航实验验证了所提方法的有效性。○2传统避碰方法只考虑正前方安全距离内是否有障碍物,在车辆转弯时该方法是不合理的。针对此问题,本文使用了基于车辆模型的避碰判断方法。