在基于视觉的汽车自动驾驶系统中，视觉传感器模仿了驾驶员的眼睛功能，获取道路信息，提取车道线，检测障碍物；汽车自动驾驶系统利用这些信息控制汽车沿着车道安全行驶。摄像机标定解决了图像坐标系与世界坐标系之间的转换关系，是基于视觉的汽车自动驾驶系统的前提；车道线提取和车道建模是汽车自动驾驶系统的基础；障碍物检测是汽车自动驾驶安全行驶的保证；车道跟踪的性能直接影响汽车驾驶的准确性和舒适性。鲁棒性和实时性是基于视觉的汽车自动驾驶技术的主要瓶颈，针对这种情况，本文在视觉导航系统摄像机动态标定、车道检测与跟踪、障碍物检测等方面开展了研究。　　 本论文研究的创新之处在于：　　 (1)提出一种简捷、实用的摄像机参数在线标定算法。该算法仅需借助一组平行的道路标识线和一组与地面垂直的平行线来确定摄像机参数。在摄像机高度已知的条件下，该算法可以从图像中得到目标物在现实世界坐标中位置。　　 (2)提出一种新的基于均匀非周期B样条曲线模型的结构化道路检测算法。为了准确定位道路弯道位置，该算法运用最大转向偏差定位方法求解车道模型的控制点。　　 (3)基于计算动词理论，根据汽车自动驾驶控制系统的特性以及驾驶舒适性的要求，建立计算动词控制规则，控制PID参数的自整定，实现适合汽车自动驾驶系统的PID控制策略。　　 (4)基于牛顿的万有引力定律，定义一种新的分类器，即反n次方引力场分类器，并利用该分类器对视频帧的不同光流数据进行分类，分离出道路光流和障碍物光流，从而实现障碍物检测的目的。　　 为了实现系统小型化，并为今后向产品化过渡，本文把以上算法移植到DM6446嵌入式系统上，实现了汽车自动驾驶系统的部分功能。