无人车自动驾驶关键技术是当前学术各界研究的热门课题之一,其潜在的巨大商业价值引领着一代代研究者不断向更广更深的领域探索。自动驾驶技术一旦成熟,随之而来的智慧交通、智慧城市将颠覆人类对于交通出行的认知,甚至影响到人类生活的方方面面。因此,本文关于无人车自动驾驶关键技术的研究具有重要的实用价值和意义。论文首先研究了图像测距领域的各坐标系的变换关系,同时按照双目视觉测距的主要流程,通过实验分析图像预处理、相机标定、立体匹配、后处理等过程中各算法的优劣,给出了基于十字窗的代价函数聚合立体匹配算法的无人车双目测距方案,并验证该算法在巡航无人车工况下测距的可行性和实时性。接下来论文研究了各种图像特征检测、特征描述以及特征匹配算法,给出了基于ORB的旋转自适应图像拼接算法,满足无人车自动驾驶过程中的平移不变性、旋转不变性以及一定的尺度不变性要求,通过实验对比并结合数据分析,证明了基于ORB的旋转自适应图像拼接算法在无人车自动驾驶领域的优越性。最后,论文研究了全卷积神经网络的基本结构,分析各部分结构模块的作用,并给出了基于FCN-8S的优化模型,即在FCN-8S的结构上增加空洞卷积、反卷积和反池化等模块;和基于跳级多尺度空洞卷积与条件随机场的深层神经网络模型,即在ResNet框架的基础上添加多尺度空洞卷积、残差网络结构、跳级结构和条件随机场等模块,解决了深度神经网络存在的退化问题、漏判错判问题、图像细节提取能力差以及多尺度物体识别难度大等多种问题,并将本文给出的模型与FCN-8S、SegNet、DeepLab等经典模型进行比较,通过实验对比,验证本文所给出的语义分割算法的优越性。