智能汽车是人工智能、传感器、控制科学、计算机及网络技术等领域最新科技成果与现代汽车工业相结合的产物，智能汽车通常具有自动变速、自动驾驶、自动路况识别等功能。智能汽车技术的研究涉及多个学科，本文针对智能车视觉导航领域进行较深入的研究，主要集中在视觉图像处理算法的图像去噪、图像信息识别、提取及控制算法方面。论文的主要工作如下：1．研究了路面情况摄取图像的滤波去噪问题。采用将摄像头提取的灰度图像以灰度变换的方式进行图像增强以增加图像的对比度，然后利用中值滤波算法对图像数据进行滤波处理以减小噪声的干扰，同时能够有效地保证边缘信息的完整性；2．提出了一种基于Sobel算子和Roberts算子的道路边缘检测改进算法S-R算法。此算法具有边缘检测效果良好、检测后的信息较为完整、算法简单、计算量小、读取数据少等优点，在采用S-R边缘检测算法来提取路径信息时，能够有效、快速、精确的提取边缘信息的同时保证信息的完整性；3．提出了采用直线拟合的方式判定路况的最终位置、方向等信息，采用此方法可以明显的缩短智能车的行驶距离，同时有效地减小车体转弯时发生侧滑的概率，能够有效地控制智能车在允许的精度下近距离行驶；4．设计智能车的方向控制器，采用模糊控制方法对智能车的方向进行控制。设计了二输入单输出的二级模糊控制器以简化设计的同时保证控制精度，并且能够全面的综合位置、角度偏差量及其变化量等反应出的路况信息，进而能够快速、及时的调整智能车的方向；5．设计智能车的速度控制器，依据测得的智能车开环下的速度响应曲线，将速度系统建模为一阶惯性环节。通过对比PI控制效果和bang-bang控制效果，采用PI控制器对智能车速度进行控制，并观察曲线跟踪效果；6．将图像滤波算法、识别算法以及智能车控制算法进行离线仿真、在线测试以观察智能车的跟踪行驶效果，并进一步改进以上算法；