车辆智能化是未来交通领域的发展方向,环境感知、路径规划以及决策控制三方面技术搭建了智能车的核心。车辆于平直坡道环境中高速行驶,极易产生坡度错觉,造成障碍物误检,进而导致车辆出现错误的行驶行为,引发道路交通事故。因此,利用合理有效的方法实现平直坡道环境中的障碍物检测,进而制定切实有效的行驶策略,对提升车辆在复杂道路环境中的安全、节能行驶至关重要。本文选取平直坡道为研究对象,将坡道障碍物检测作为切入点,建立了基于Vision-IMU的检测测距方法（Vision-IMU based detection and range method,VIDAR）,实现对障碍物真伪及其运动状态的准确判断。此外,在障碍物检测跟踪的基础上,围绕车辆在平直坡道条件下的行驶策略问题,构建适用于不同行车环境的分析模型,开展智能车的决策方法研究。论文主要研究工作如下:提取车辆行驶区域。处理相机采集到的图像信息,通过改进霍夫变换进行车道检测,剔除非道路区域,精准提取车辆行驶区域。建立基于VIDAR的平直坡道障碍物检测模型。使用Faster R-CNN识别已知障碍物,利用数字地图提供的道路距离和坡度信息,建立基于VIDAR的平直坡道障碍物检测模型,实现对于真实障碍物的检测及距离测定并通过卡尔曼滤波对障碍物进行跟踪,判断障碍物的运动状态。制定平直坡道障碍物检测的车辆行驶策略。当前方坡道无障碍物时,以车辆的燃油经济性为主要目标建立模型,进行经济车速的规划;当检测到道路前方存在静止障碍物时,通过采集驾驶员在模拟器中的舒适制动减速度数据,处理后得到符合驾驶员舒适度的速度规划;当检测到前方坡道存在移动障碍物时,以行车安全性、行车舒适性、燃油经济性以及行驶效率为优化目标,制定多目标行驶策略。通过实车实验对比障碍物检测结果和精度,验证本文的研究方法不受伪障碍物的干扰,并能够在没有先验知识的情况下检测各类障碍物,满足平直坡道障碍物实时准确检测的需要。基于Simulink和Car Sim的联合仿真,建立不同的测试工况和平直坡道的仿真环境,分别验证车辆行驶策略的安全性以及节能性。实验结果证明了本文所述平直坡道障碍物检测方法与行驶策略的有效性。本文研究内容能够为智能车在平直坡道上保持安全经济行驶提供决策方法,有利于智能车感知及决策工作的进行,也为今后同类研究提供参考。