随着世界经济的发展和城市化进程的不断加速,汽车给人们的生活和生成活动带来了极大的便利,成为了必不可少的交通工具。智能车辆具有减少交通事故、提高交通运输能力的重要意义及广阔的市场前景,能够引领汽车工业未来的发展,因此受到广泛的关注。在现有的智能车辆系统中,激光雷达由于出色的速度和精度成为当之无愧的主角,是实现高精度定位不可或缺的重要组成部分,但是从某种程度上来讲,价格是阻碍其市场化的主要因素。与激光雷达传感器相比,视觉传感器具有采样速率快、重量轻、能耗低及价格低廉等优点,因此许多国内外研究机构都纷纷将其列为研究的重点。但是,目前基于视觉的智能车辆环境感知技术还存在容易受光照、气候及道路类型等因素的影响,导致算法的精度和实时性不足。本文以智能车辆的环境感知为研究对象,针对现有的道路识别与障碍物检测算法中存在的问题展开深入的研究,具体的研究内容如下:(1)研究道路图像消失点检测技术。消失点作为图像的基本特征之一,不管是直道还是弯道均可用来控制车辆的行进方向,且因其在各种复杂道路环境下表现出色而备受关注。然而,现有的检测方法存在纹理特征提取及投票计算过程复杂、易受与道路方向不一致的局部强纹理特征干扰的影响等问题。对此,提出基于联合4方向Gabor滤波器与粒子滤波技术的道路图像消失点检测算法。首先,该算法采用联合4方向Gabor滤波器提高纹理特征提取的计算效率,同时在滤波过程中引入置信度测量对有效像素点进行筛选,以排除弱纹理像素的干扰;其次,算法使用稀疏投票策略及粒子滤波跟踪技术降低投票函数的计算复杂度并提升算法的抗干扰能力;最后,算法根据投票累加空间的峰度及消失点帧间移动位移调控待定消失点的分布范围,从而保证检测的稳定性,并使算法能从偏离位置中恢复过来。通过与该领域最具代表性的方法进行比较,实验结果表明本文方法具有更高的检测精度、效率及更强的抗干扰能力。(2)研究道路图像分割问题。针对现有的基于消失点约束的道路图像分割方法过于依赖道路的边缘特征,导致容易出现过分割的问题,提出一种融合道路纹理、路面与非路面颜色特征提高道路图像分割精度的方法。算法基于消失点约束的直线道路模型,将道路分割转换为贝叶斯后验概率密度估计问题。该算法利用方向一致性比例来描述道路的纹理特征,及通过非线性转换函数及自监督策略计算图像像素与“路面”像素的相似性,凸显出图像中的路面区域,以此作为路面与非路面视觉特征测量的概率原型。算法利用了纹理、路面与非路面颜色三种视觉特征各自的优点,通过最大化贝叶斯后验概率密度估计分割出路面。通过与无监督或半监督道路分割研究领域最具代表性的方法进行比较,实验结果表明本文方法的精度更高。(3)研究基于双目视觉的道路场景三维重建与障碍物检测技术。光照变化、视差不连续、遮挡及弱纹理区域歧义匹配,以及实时性和资源消耗等是目前面向智能车辆的双目视觉算法所存在的主要问题。虽然在某一方面国内外研究已经取得了丰硕的成果,但是目前还没有相关研究能在保证系统精度与实时性的前提下综合性地解决好以上几个难题。为此本文采用:相对梯度Census变换克服光照变化问题;稀疏匹配代价聚合策略、预测编码及视差上采样技术降低算法的时间和空间复杂度;平滑约束技术和视差求精算法消除弱纹理区域的歧义匹配问题,提高视差不连续及遮挡区域像素的匹配精度。通过与最新具有代表性的局部双目立体匹配算法进行比较,实验结果证明本文算法具有对光照变化不敏感、计算效率及精度高、低内存开销的优点。另外,算法通过使用参考栅格法提取视差图中的障碍物,实验结果表明其适用于结构化与非结构化道路,且能检测正、负及悬挂障碍物。(4)研究视觉导航算法在智能车辆轨迹跟踪控制中的应用。本文通过研究轨迹跟踪与控制问题,介绍上述三种环境感知算法在智能车辆系统中的应用,分析如何与自动控制算法相结合实现车辆的自主驾驶功能,以对全文的研究工作进行系统的验证。算法采用:消失点检测、道路分割与障碍物检测算法确定道路的可行驶方向及无障区域;A*算法及三次样条曲线函数规划出平滑的行车路线;具有三层滑模面的滑模控制算法将视觉导航信息转化为控制输入信号,驱动车辆沿着参考轨迹行驶。实验结果证明本文的环境感知算法的有效性,且所提出的滑模控制算法具有不受模型匹配与不匹配干扰的影响,控制输入信号中无明显的抖振现象等方面的优点,若应用于智能车辆系统中,能起到降低电子元器件热损耗和执行部件的磨损,提高轨迹跟踪精度等作用。