在计算机视觉技术飞速发展的潮流以及驾驶辅助系统的旺盛需求与发展的背景下,本文将两种先进技术相结合,提出了应用于高速或城市封闭道路的严重堵车环境下的自适应巡航起停控制系统的研究。本文架构系统采用分层式理念,以三层式结构组成自适应巡航起停控制系统,即环境感知层、运动学决策层和执行器控制层。环境感知层包括车辆识别、距离检测、前车尾灯识别关键技术,本文在原有YOLOv3网络中增加融合104×104尺度检测特征层,进一步提高车辆识别的精度;本文利用高斯光学模型,根据车牌的像素大小推导车距计算方法,通过对提取出的车牌进行长、宽校正以及摄像头进行标定,提高了车距算法的可靠性与准确性,经过测试该测距方法有效范围是35m,误差小于2%;本文采用区域分割、HSV颜色空间的亮度和颜色阈值识别的方法对车辆的多种尾灯情况进行识别,能够达到应用需求。本文使用的环境感知算法,单张图像处理时间为38.47ms,能够达到基本的25fps实时测量。运动学决策层将车辆控制方式分为跟车控制方式与定速巡航控制方式,并能在一定条件下相互转换。在控制策略上,跟车模式采用考虑两车相对速度和前车行驶状态的固定车间时距策略以及基于二阶纵向动力学方程的LQR控制方法;定速巡航模式采用考虑前车行驶状态的PID巡航控制。执行器控制层设计了驱动模式与制动模式的切换,以及起步、停车和驻车的控制逻辑。驱动模式采用汽车纵向动力学扭矩控制方法配合逆发动机模型查表,将期望加速度转换为节气门开度;制动模式采用刹车压力与加速度的线性关系进行计算。本文使用基于Carsim和Matlab/Simulink软件搭建的软件仿真平台,对设计的自适应巡航起停控制策略进行验证仿真,并在仿真过程中对参数进行对比,取得最优值。仿真结果表明,本文研究的自适应巡航起停控制系统具有充分的安全性和应用价值。