随着我国经济不断发展,公路建设里程不断增加,公路养护任务繁重,交通锥收放车作为重要的公路养护用车,能够有效提高交通锥收放工作的效率与安全性。但是,一方面传统交通锥收放车驾驶难度大,需要驾驶员综合考虑交通锥位置、工作机械手状态控制车辆行驶轨迹与速度,驾驶员劳动强度较大;另一方面交通锥收放车作业环境相对封闭,行驶车速低。因此,实现交通锥收放车作业场景下的智能驾驶有着较强的市场需求及较高的可行性。本文融合视觉信息对车辆的智能驾驶控制策略进行了研究,具体工作如下:首先,对车辆行驶环境特点及作业要求进行分析,针对作业需求,分析对比现有环境感知技术各自的特点,确定融合视觉与GPS信息的交通锥收放车控制系统整体方案;其次,分析车辆对于视觉环境感知系统的需求,确定基于深度学习的视觉信息融合方案,并据此收集并制作包含车道线、交通锥等多类目标物体及场景的精细标注数据集,用以训练深度学习模型;本文对不同深度卷积神经网络结构进行对比分析,结合交通锥收放车对于车道线及交通锥等目标的识别需求,最终确定的模型推断速度为12fps,准确率为84%,可较好的满足本研究需求;再次,建立并校准图像视觉坐标系与物理世界坐标系的映射模型,并据此得到车道线的数学模型;针对不同车辆起始状态、交通锥位置及道路线分布对车辆行驶路径的影响,分析得出各工况下车辆行驶路径规划策略及行驶路径更新策略;结合交通锥机械手动作状态、已规划路径及车辆各工况下对行驶速度的要求,以高效与安全为目标分析得到车辆控制策略;最后,基于MATLAB/Simulink及CarSim软件搭建车辆联合仿真模型,通过路径规划模型及控制策略得到车辆理想行驶轨迹,使用基于PID的预瞄跟随控制方法,建立了车辆纵向与横向综合控制器,同时控制车辆纵向行驶速度与横向位移。仿真结果显示车辆行驶纵向速度误差为0.078m/s,纵向位移误差为0.068m,横向位移误差为0.0048m,初步验证本研究中控制策略的合理性及控制方法的有效性。