随着现代科学技术的高速发展,高新技术已经广泛应用于现实生活当中,使人们的日常生活更加高效便捷。近些年来,消防无人机、无人快艇、智能机器人、智能无人驾驶汽车等高新技术应用产品相继出现在人们的眼球。特别是智能无人驾驶汽车的出现,降低了驾驶汽车的门槛,使得人们出行更加便捷。随着目前越来越多的人研究无人驾驶,智能车自主导航的问题成为近年来研究的热点问题。虽然在已知地图中的无人驾驶汽车的智能导航已经有许多的科研成果,但是在环境地图未知的情况下无人驾驶汽车的定位和导航仍是当前无人驾驶技术的主要研究和攻坚的方向。同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法可以通过智能车自身携带的传感器测量所处陌生环境信息和对自身位置的估计,能够为陌生环境中运动智能车的定位与导航提供有效的解决方案。而智能无人车的普及,必定要解决在陌生环境中智能车定位和导航的问题。因此,深入研究SLAM算法对提高无人驾驶智能车定位导航技术具有重要的研究意义和商业价值。当前智能无人车在陌生环境中主要存在如下几个问题:自身定位精度差;全局路径规划效果不理想;无自主导航控制策略。为解决智能车上述存在的问题,本文从硬件和软件两方面着手设计,能在实际生活中满足定位和导航的智能无人车自主导航系统。主要工作如下:(1)硬件上:通过智能车搭载的激光雷达、毫米波雷达、视觉传感器、惯性导航组合这几种传感器采集的智能无人车所处的陌生环境信息,绘制出足以满足实际使用的高精度环境地图,和下述改进的SLAM算法一起提高智能无人车自身的定位精度。(2)定位算法上:首先,针对传统的扩展卡尔曼滤波SLAM(EKF-SLAM)算法计算量大且精度低等缺点,给出了一种基于模糊自适应控制的扩展卡尔曼滤波结构的SLAM算法,通过EKF-SLAM过程中引入模糊自适应控制模块,可以有效地提高智能车运动时位姿估计的精度。再次,传统的FastSLAM算法由于建立在粒子滤波估计的基础上,所以自身估计位姿会与真实位姿随着运动的推移导致误差越来越大。因此,提出了一种结合历史粒子的改进算法,已补偿运动推移导致的位姿误差。(3)导航算法上:通过全局路径规划的A*算法和局部路径规划的DWA算法相结合的手段来实现智能车的自主导航功能。(4)本文设计了两种常见自主导航控制策略。在ROS系统中采用路点储存+ACC+AEB+单点预瞄+定位的策略实现智能车的自主返航功能;采用SLAM+规划+ACC+AEB+单点预瞄+定位的策略实现自动驾驶功能。最后通过在智能车平台上进行校园实地实验,验证这款智能小车自主导航系统的有效性。实验结果证明:两种策略加上改进的算法可以较好的满足校园内无人驾驶需求。