在我国经济和科技高速发展的大背景下,智能车辆也越来越多的出现在人们的生活中。机器视觉领域的理论在智能车辆上的应用研究日益成熟,成为该领域的理论在智能车辆上应用的契机。本论文围绕机器视觉技术在智能车辆中的应用进行了相关算法的研究并为之设计了一个实验平台,具体工作如下:(1)针对车辆行驶过程中的车道线检测问题,提出了一种基于数学形态学特征的最优车道检测算法。首先,将车载摄像头拍摄的图片先后依次经过灰度化、图像滤波、Canny边缘检测和PPHT提取车道线信息。然后,根据车道线在图像上的数学形态学特征进行最优左右车道线的筛选。最后,对比Open CV相关原生函数组成的车道线检测程序可知,使用本方法,车道线图片可以得到更好的处理效果。(2)针对车辆行驶过程中的车前行人检测问题,基于HOG+SVM开发了行人检测程序。使用INRIA Person Dataset进行训练,使用Caltech Pedestrian Detection Benchmark进行测试。从测试的结果来看,基本上满足了对车前行人预警的要求。(3)研究了车辆的控制问题。通过分析车辆的视觉模型、二自由度动力学模型以及道路(车道线)模型,分别基于模糊控制和数字PID设计了车辆的横向和纵向控制器,并用MATLAB软件进行仿真研究。由仿真结果可知,控制器能满足跟踪任务的基本要求。(4)实现了实验平台并进行了验证实验。首先,提出了一种视频通信和车辆主控完全分离的硬件组织结构,搭建了实验平台的硬件系统。然后,编写了实验平台的软件系统(主要包括基于STM32F103RCT6的车载主控程序、基于Linux内核的视频网络通信程序和基于C#的上位机控制软件)。最后,在此实验平台上进行实验,实验结果表明文中的车道线检测方法和控制器在车辆智能控制中的有效性、兼容性和实用性,也表明该实验平台能稳定有效地完成机器视觉技术在车辆智能控制中的相关验证试验。