无人自动驾驶是当前人工智能领域的研究热点,受到了国内外研究机构以及汽车厂商的广泛关注。目前的自动驾驶技术主要面向城市道路环境,其特点是地面环境简单,且普遍为平坦的路面。同城市环境相比,野外道路环境通常更为复杂（如砂石路、草地、土路等）,路面崎岖不平。因此综合考虑驾驶稳定性和安全性等因素,需要根据不同的颠簸程度规划不同的驾驶速度,对无人驾驶技术提出了更高的要求。根据所依赖的传感器不同,常见的颠簸识别方法通常可划分为基于内部传感器和外部传感器的两种方法。其中,外部传感器（如激光、图像数据）可以利用丰富的外部环境信息,但是分析的结果易受外部环境的影响。相对于外部传感器而言,内部传感器（如惯导数据）具有更高的检测频率、且相对比较稳定,因此,如何利用内部传感器信息对不同地形的颠簸性程度进行区分,进而规划出合理的速度等级,是本文的主要研究内容,具体可分为以下几个方面。首先,在北极星（剃刀800全地形越野车）的基础上,搭建了无人驾驶平台。其中,在硬件部分,实现了对刹车、油门和档位等底层执行机构的改装和调试;并根据不同传感器的功能和特点,进行了相应的安装和布线;此外,针对不同设备的尺寸和供电方式,设计了电源供电箱和主控箱的结构。在软件层面,辅助开发了环境感知、建模、规划和底层控制模块,并通过UDP的方式实现了多个模块之间的大数据通讯,实现了传感器信息号的实时解析、以及底层控制信号的实时产生。其次,通过分析惯性导航装置所采集到的加速度信号的内在特征,实现对路面颠簸程度的估测。具体方法为（小波去噪）对所采集到的加速度信号进行降噪处理,并通过奇异值分析,提取降噪后信号的主要特征,在此基础上,综合考虑方法的快速性和精确性,采用极限学习机（Extreme Learning Machine,ELM）作为分类器,对不同地面环境的颠簸程度进行区分,克服了传统方法如支持向量机（Support Vector Machine,SVM）对于核参数敏感、且计算复杂度高的问题,并据此给出相应的行驶速度等级,实现无人驾驶平台的自主速度规划。