目前,在无人驾驶技术的快速发展下,对智能车控制系统的研究有着十分重要的理论和实际应用意义。针对智能车的两个主要特点,非线性和易受外界干扰,本文提出了基于模糊滑膜自适应控制的智能车辆方向控制方法,以解决智能车识别路径并进行路径跟踪的问题。本文通过图像处理和轨迹跟踪相结合的方式来实现智能车准确识别车道线和小车在车道线上的方向控制,并通过仿真验证了所提方法的有效性。本文的主要工作如下:对目标车道线图像进行预处理,首先,将图像进行感兴趣区域提取,将有用车道的信息提取出来。利用加权中值滤波算法在尽量保留图像细节特征的条件下抑制和消除目标图像的噪声。利用均衡化和灰度拉伸的方法有目的地强调图像的整体或局部特性,将图像特征变得更加清晰。对预处理后的图像进行逆透视变换,以消除透视误差。在车道线检测上,通过利用八邻域模型计算梯度方法改进传统Canny算法。仿真实验结果表明,八邻域Canny算子的性能得到了较好改善,改进的Canny算子准确率高,适应性强,而四邻域Canny算子的车道线模糊。此外,通过改进传统大津算法,增加怀疑前景区域实现多级阈值分割,对双阈值进行自适应选取。基于模糊滑模自适应控制的智能车方向控制。本文提出了模糊滑模自适应控制的智能车方向控制方法,并搭建了智能小车模糊滑模自适应控制器的Matlab仿真实验模型,仿真实验结果说明,本文提出的控制器的控制性能较好,精度高、反应快、更加平稳,可保证智能车沿着车道线正常行驶,证明了模糊滑模控制器能够对小车进行有效的控制。