随着汽车工业与人工智能技术的进步,自动驾驶技术获得较大的发展。作为自动驾驶核心技术之一的车道保持系统,近年来得到广泛的研究。本文针对车道保持系统中的视觉传感器失效以及控制器的适应性问题开展研究。首先,详细介绍了智能车系统和底层控制系统,包括智能车的架构、传感器选型原理和底层控制系统的改进设计。然后对智能车的转向、制动及驱动底层控制系统进行了测试,表明了改装的底层控制系统可以满足自动驾驶实时性及控制精度的要求。其次,通过对视觉传感器的实际道路测试分析,发现存在因道路线缺失或遮挡造成视觉传感器检测失败的问题。针对该问题,提出了车道线的补偿策略,补偿策略利用传感器融合的方法获取车辆轨迹,并基于车辆与道路的相对位置关系预测道路系数。通过对补偿策略仿真验证,得到结论为道路补偿策略可以保证在传感器信息丢失1～2s的时间内准确的预测车道系数。再次,针对车道保持系统中的车道跟踪问题,采用了线性时变的模型预测控制方法。为了全面考虑车辆纵向与侧向之间的相互关系,基于三自由度车辆动力学模型和魔术公式轮胎模型推导了车辆控制预测模型,并将非线性的预测模型进行局部线性化处理。为了提高车辆控制稳定性,引入了控制量、控制增量、输出及侧偏角约束条件,并将带约束的目标函数转化为标准的二次规划问题进行求解。搭建了仿真平台,验证了所设计的线性时变模型预测控制器对路面附着、车速变化及参考轨迹具有良好的鲁棒性和适应性。最后,对道路补偿策略及车道保持线性时变模型预测控制器进行实车验证。结果表明,道路补偿策略一定程度上提高了视觉传感器的稳定性,有效避免了因传感器失效造成的车辆控制突变问题;同时,车道保持控制器在轨迹跟踪过程中表现良好,运算速度满足实时性要求。