基于汽车及其相关工业在世界经济地图上愈发显著的占比,汽车工业对经济的进一步繁荣和社会的迭代更新产生的作用不容忽视。面对复杂的社会环境,多方面因素的影响促使汽车行业进入全面深入的新变革期,人们对智能化的需求得以自发生成。目前,自动驾驶汽车已成为全球汽车产业发展的战略制高点。自动驾驶汽车具有行驶安全性的标准,这要求车辆感知层传感器快速、完整、精确地感知周围的环境信息。为此,多传感器之间的兼容度、置信度问题受到广泛关注,异质多传感器的融合技术应运而生。车辆换道在日常的交通工况中极为常见,由于人的因素引发的换道过程中的事故数量以及相应的交通延误带来巨大的损失。为此,开发车辆自主换道的功能,在完整的环境感知、适应的决策策略以及精准的控制算法的支持下,提高车辆的行驶安全性、运行效率以及环境适应性。本文主要研究有效、适用的基于多传感器融合的自主换道控制策略,内容包含智能驾驶研究中,感知层、决策规划层、控制执行层多个层面。主要解决多传感器融合策略的设计和智能车辆自主换道的决策定义、轨迹规划、跟踪控制方案研究两个问题。具体的研究内容如下:研究智能车辆自主换道的决策生成和换道轨迹的规划。合理简化以定义研究基于的换道场景。应用满足度的概念分析换道意图的产生,依托最小安全距离模型探究换道的可行性。当同时具备换道意图和换道可行性时,可做换道决策。基于五次多项式的通用模型生成自主换道过程的轨迹簇。在MATLAB仿真环境下分析主车速度、换道所需时间与效率和舒适度之间的关联。给定约束条件和成本函数,应用优化求解的理论选取最优的换道轨迹,以权衡自主换道过程的效率、安全性和舒适度。研究基于模型预测控制的智能车辆自主换道过程的轨迹跟踪。选用车辆单轨动力学模型为预测控制的预测模型,基于轮胎线性化和小角度假设条件对其进行简化,并应用近似线性化和一阶差商的方法做处理,得到最终的离散的线性化预测模型。选用控制量的增量作为系统输入,根据系统当前状态推导系统控制、预测时域时刻的状态。定义目标函数并将其变换为标准的二次型形式,定义相关的约束条件,将模型预测控制转换为每个周期内的目标函数约束优化问题,通过二次规划进行求解。将解得的控制增量最优序列最前端的量作用于系统,并在每一个新的周期重复二次规划的求解过程,完成模型预测控制下的轨迹跟踪。结合五次多项式的换道轨迹,在MATLAB/Simulink环境下做仿真试验,证实了控制器具有普遍有效、稳定的跟踪控制功能。研究多传感器的融合技术。分析常用的车辆周围环境感知传感器的特征信息,基于典型的自主式车辆传感器布置方案,结合自主换道所需的信息列表,选用毫米波雷达、相机、侧后方角雷达为本课题的研究对象,并完成其在车上的布局。研究多传感器融合的深层含义及前提条件,结合需求与传感器的布置方案,选用侧后方角雷达广义的决策级融合与雷达相机特征级融合的综合研究方案。特征级的融合利用卡尔曼滤波理论和全局最近邻数据关联算法,通过代价矩阵匹配观测值与目标。对于无法成功匹配的成分,设计融合中心的判断逻辑进行处理,以最终获取确实的目标状态。在MATLAB ADST自动驾驶系统工具箱的基础上,对雷达、相机传感器的融合策略进行仿真试验,证明了多传感器融合较之于单一传感器检测的更高精确度。搭建Simulink/PreScan/CarSim联合仿真平台,设计特征工况,完成自主换道轨迹跟踪控制的仿真试验。分析结果表明,设计的决策算法能够合理实现换道意图的产生、换道安全性的判断;且无论在何种工况下,设计的自主换道轨迹跟随控制器均能及时、稳定地跟随规划的理想换道轨迹。试验结果证明了本课题研究成果的安全性,实用性和可靠性。最后,分析现有研究内容存在的不足之处,并给出一定的解决方案。同时,结合未来汽车的发展趋势,指明了进一步学习研究的方向重点。