伴随着汽车的普及,交通问题层出不穷。严峻的交通形势对现代交通系统提出了更高的要求和考验。为了解决交通问题,使驾驶员脱离繁重的驾驶任务,智能车技术得到了更多的关注。城市道路环境下的车辆智能驾驶技术一直是研究的热点。本文基于视觉的缩微车智能驾驶技术研究,主要分为三个方面:在复杂光照环境下的车道线检测技术,基于视觉的障碍物检测跟踪技术,缩微车方向和速度控制技术。具体内容如下:(1)车道线检测部分,传统的车道线检测方法,在有强光照干扰时,检测结果存在较大误差。为了克服强光照影响,本文提出了一种数学形态学和最小二乘法结合的车道线检测方法。通过数学形态学腐蚀膨胀运算,去除强光照干扰。车道线拟合部分采用霍夫变换和最小二乘法相结合的方法。通过实验证明,本文算法提高了车道线检测的效率和准确性,且具有很强的抗干扰能力。(2)基于视觉的障碍物检测跟踪部分,针对运动障碍物在动态背景中难以检测的问题,本文提出了一种金字塔光流法和稠密光流法相结合的检测方法。采用金字塔光流法对背景运动进行估计,再使用稠密光流法进行运动障碍检测。解决了直接使用稠密光流法检测,实时性较差的问题。动态障碍物跟踪算法,采用卡尔曼滤波和CamShift算法相结合的方法。通过卡尔曼滤波预测目标运动区域,使用CamShift算法进行目标匹配跟踪。提高了系统的鲁棒性和实时性。(3)缩微车驾驶控制部分,主要包括方向控制和速度控制。方向控制中舵机角度变换具有高度非线性、模型不确定性、控制滞后等特点。若采用PID控制方法,固定参数无法同时适应直线和弯曲道路。针对这些问题,本文设计了一种模糊控制算法,构建了缩微方向偏离模型,建了控制规则表,使车辆的侧向加速度大幅降低,避免了左右震荡,较PID控制过程更加平稳。速度控制过程中,采用增量式PID控制方法,能够减小系统超调量,缩短响应时间,消除稳态误差。通过实验试凑法进行参数整定,参数较为精确,能够实现速度的准确控制。最后综合运用本文的车道线检测方法、缩微车驾驶控制方法进行了测试,实验表明缩微车能够正常行驶。进一步证明了本文所提方法的有效性。