随着交通工具的普及,由此而来的交通拥挤、交通事故频发,甚至是环境污染已经成为人们不得不面对的问题。为了缓和交通拥挤、减少交通事故、改善公路交通效率,智能交通系统(Intelligent Transportation Systems,ITS)应运而生。其中,智能车定位技术、道路检测技术、以及避障路径规划技术等是ITS中至为关键的几个技术。现有的智能车相关研究都是在雷达探测仪或者激光测距仪的基础上展开,这些传感器测量高效而且精度高,但是成本昂贵。在实际应用中往往需要在经济与精度之间做一个折中的选择。视觉传感器成本低廉,并且随着图像处理与机器视觉的发展,视觉传感器广泛应用于各个领域。本文将采用双目视觉传感器和GNSS定位系统完成智能车定位、道路检测以及避障路径规划。论文的主要研究内容包括:(1)建立了双目视觉系统,并使用棋盘格板作为标定物对左右摄像头进行了标定。求得了基站P在摄像机坐标系和水平坐标系中的坐标,即基站P相对于智能车的定位。最后利用布尔沙-沃尔夫模型,在已知基站P在WGS-84坐标系下绝对坐标的前提下,实现了基于双目视觉的智能车绝对定位。(2)在完成了基于双目视觉的智能车绝对定位的基础上,利用卡尔曼滤波器(Kalman Filter),将智能车的视觉定位坐标与GPS定位坐标进行融合矫正。通过实验表明,矫正后得到的定位坐标精度有一定程度的提高。(3)提出了一种基于自适应HSI彩色空间的非结构化道路检测算法。该算法针对乡村非结构化道路,将道路图像从RGB彩色空间转换到HSI彩色空间,利用道路区域与周边区域颜色色调(H)的不同,以及路面阴影区域与其非阴影区域饱和度(S)的不同,根据先验信息,自适应的调整饱和度S在HSI彩色模型图像中的比例。该算法可以更好地排除阴影部分对道路区域检测的影响,提取出较为完整的道路区域。(4)改进了动态场景下的经典人工势场避障路径算法。与经典人工势场避障路径规划方法相比,该算法将其应用到室外智能车避障路径规划中,针对智能车在真实场景中的运动,加入了道路约束,改进了势场法感知模型。智能车视角限定为150°扇形区域,同时该算法较好的解决了经典人工势场法普遍存在的局部极小值问题,使得智能车可以逃离局部极小值顺利到达目的地。