自主导航与路径规划是智能车研究的关键技术,也是研究的热点。论文的研究分为两个部分:视觉导航和路径规划。基于机器视觉的道路检测与识别算法,研究了智能车的视觉导航问题;通过改进仿生算法——蚁群算法,来解决智能车的路径规划问题。视觉导航方面,本文主要研究了视觉导航中导航线的检测、识别问题。按照道路图像获取、图像预处理、道路边缘检测、形态学运算这个流程来对图像进行预处理。其中,采用最大类间方差算法将道路区域与非道路区域分割;基于边缘检测中各种算子效果的分析对比,选择sobel算子检测车道线边缘;在此基础上采用形态学运算,连接细化道路边缘。基于直线道路模型及先验知识等约束条件,通过提取直线特征并采用Hough变换进行道路拟合,同时结合对视频中相邻两帧图像信息的对比方法进行道路的理解,完成导航线的识别并进行图像重建,从而验证检测与识别方案有较高的准确性。导航车的路径规划属于优化组合问题,本文运用了蚁群算法求解。根据基本蚁群算法的原理及其相应的模型,本文分析了基本蚁群算法的优点与不足,并针对该算法易陷入局部最优解、求解速度较慢的缺陷,从全局信息素的更新机制和q0的动态变化两方面来进行算法改进,并给出改进蚁群算法的复杂度分析、收敛性分析。通过对模拟的某城市32个节点的物流配送系统中的智能车路径规划问题进行仿真验证,得到了较为满意的结果,体现了改进蚁群算法的相对优越性。实验表明,本文设计的方案和算法算法具有快速、稳定、准确的特性。