不确定环境下信息获取和避障规划是智能车自主驾驶系统的两个关键问题,前者通过传感器获取信息,后者根据传感器获取的信息进行避障规划。但受到传感器和车载电脑性能的影响,单传感器获得的信息片面不足以及实时性不高,本文通过研究传感器信息的处理技术和避障路径规划算法来提高信息的精确度和避障路径规划系统的实时性。针对避障规划系统研究中的几个关键问题,本文的主要内容概括如下:(1)针对传统阴影检测算法应用于道路分割过程中,实时性和鲁棒性不能兼顾的问题,本文改进了一种基于HSV双通道融合的阴影检测算法。该方法基于对道路阴影特点的分析,在算法复杂度上进行改进,在保证检测算法鲁棒性的情况下提高了算法的实时性。仿真实验结果表明,本文算法能准确快速的提取道路阴影,从而提高了避障规划系统的实时性。(2)针对单传感器识别障碍物效果不理想的问题,本文设计了一种基于多传感器的障碍物分类系统。CCD摄像机传感器和四线激光雷达传感器采集的信息经过推理算法融合之后,可以提高障碍物的识别精度,仿真实验结果表明本方法是有效的。(3)针对传统避障规划算法有效性和实时性不高的问题,在常规模糊推理的基础上基于模糊规则分层思想发展了一种降维的模糊推理算法。仿真试验表明,本文方法是有效的,保证了输出精度的同时,减少了系统的数据处理量,提高了系统的实时性。