近年来,由于社会经济增长,车辆保有量逐渐增大,自动驾驶成为汽车行业内热门的研究方向。有不少高等院校及研究机构都在致力于自动驾驶功能的开发与研究,车道保持作为自动驾驶基础功能之一,可以减少因驾驶员分心或误操作引起的偏离正常行驶车道,从而降低交通事故发生的概率,有效提高车辆行驶安全性,所以对车道保持的研究具有十分重大的实际意义。论文的主要研究内容如下:首先,基于摄像头通过深度学习的方法来进行车道线检测,采用改进的Res Net网络作为骨干网络来提取车道线特征,搭建车道线模型,并基于Transformer网络编码器及解码器结构实现端到端输出车道线模型系数。使用Tu Simple数据集作为训练及验证集,最后使用VIL-100数据集中的包括拥挤路况、车道线受损、阴影、存在道路标志、强光、雾霾、夜晚等图片,来验证模型准确性及鲁棒性。其次,建立车辆二自由度动力学模型。以前轮转角为输出量,以横向误差、横向误差变化率、横摆角误差和横摆角误差变化率作为状态量,建立道路误差模型。以LQR控制器为基础,为解决稳态误差问题,增加前馈控制,联合LQR及前馈控制搭建横向控制器。然后,通过Simulink和Carsim搭建联合仿真平台,根据国家测试标准设计S弯及复杂道路两种道路环境,以不同的速度在两种道路工况下进行实验。车辆在各种工况下都可以在车道内稳定行驶,并具有很好的居中性能,验证了横向控制器的效果与性能。最后,搭建树莓派智能小车进行车道保持控制验证。实验结果表明,在直线与弯道两种工况下,智能小车都能检测出车道线,并保持在车道内行驶。