智能车技术作为解决城市交通安全、效率等问题的有效手段备受关注。本文主要研究了区域交通环境下的智能车全自主导航方法。研究内容主要由四个部分组成：系统方案设计、道路边界检测、路段环境下的导航、路口环境下的导航：（1）系统方案设计部分，对导航环境的特征进行了分析，将导航环境划分为路段环境和路口环境，针对区域交通环境较为复杂导致导航困难的问题，给出智能车系统的传感器配置方案，提出了不同道路环境下采用不同导航技术的方法。路段环境下，使用激光雷达和视觉获取车辆在道路中的可通行区域；路口环境下，利用多传感器融合、基于可通行区域的思想进行局部路径规划。系统的传感器配置必须符合导航需求：使用车顶俯视激光雷达检测道路边界，使用摄像头检测行车线；使用车头水平激光雷达检测前方障碍物；使用GPS获取全局定位信息；使用编码器和里程记进行航位推算。（2）道路边界检测部分，针对现有的道路边界检测方法不能同时适用于多种路况的问题，提出了一种基于激光雷达的道路边界检测方法，解决了适应性单一的问题，该方法能有效地适用于结构化道路和非结构化道路。根据结构化道路和非结构化道路环境的特征，以及激光雷达数据的分布特点，对激光雷达的数据进行预处理和聚类。根据道路环境的特点自适应地采用不同的参数，对激光雷达扫描点进行线性拟合，进而根据合理的准则对拟合结果进行筛选。通过将拟合结果与典型的道路基本模型进行匹配获取道路的边沿点。最后，使用最近邻域滤波器对道路边界点进行跟踪和实时平滑。实验结果表明，该方法有效地提高了道路检测的正确率和速度。（3）路段环境下的导航部分，针对复杂、恶劣的路段环境会导致导航失败的问题，提出了一种基于道路可通行区域的导航方法。该方法采用Vector Field Histogram+(VFH+)进行车辆的局部路径规划，通过融合车道线信息、道路边界信息和障碍物信息生成一系列虚拟障碍物以缩小车辆的可通行区域，并根据代价函数最小的原则选取目标通行方向。该方法有效地解决了恶劣环境中使用单一道路检测方法导致的导航失败问题。实验结果表明，该方法具有很好的实时性、稳定性和可靠性。最后，提出了一种适用于避障和超车的方法，利用双圆弧进行路径规划。（4）路口环境下的导航部分，针对路口环境中缺少足够的道路面信息辅助车辆定位和导航的问题，提出了一种基于可通行区域的路口导航方法。利用全局定位信息进行临近路口判断，进而利用视觉检测停车线或斑马线建立局部坐标系，实现车辆的路口局部初始定位，并采用航位推算的方法实现后续的局部定位。根据有限的路口环境信息、结合路口模型的几何结构特征生成合理的虚拟障碍物，以获取车辆的可通行区域引导车辆进行转角规划。该方法解决了路口环境中道路面信息不足引起的导航失败问题，实验结果表明，该方法能有效地实现车辆的路口导航，具有很好的可靠性。