智能车辆是一种集环境感知、决策规划、自主控制等多功能于一体的综合系统。它综合体现了信息科学和人工智能的最新研究成果,是智能交通系统的重要组成部分,受到世界各国的高度重视。视觉导航是其不可或缺的核心技术,其研究涉及计算机视觉、数据融合等方面,是现阶段及具挑战性的研究课题。本文针对基于GNSS和视觉的智能车辆导航中若干关键技术开展了研究,主要包括双GPS与立体摄像机的导航系统组成、视觉系统外方位元素自标定、道路检测算法、立体匹配算法以及避障路径规划算法。其具体内容和成果有：1)对导航系统的组成、车辆姿态自动获取、立体摄像机模型、摄像机标定以及坐标系之间的转换进行了研究。结合实际应用环境确定了合适可行的立体视觉导航系统构建,通过引入双GPS融合立体摄像机方法构建立体视觉导航系统。此种方法为视觉导航奠定了基础,视觉导航系统实时自动获取车辆姿态成为可行,不仅能为车辆的智能导航提供车辆状态信息(位置、姿态和速度等),而且通过立体摄像机能快速确定景物绝对位置,延展了其应用范围。其结构简单,数据处理快捷,标定实验反算得出精度较高,能满足适合智能车辆导航户外环境的要求。2)致力于在复杂环境下能准确、及时地对多种道路区域进行检测,提出了一种先验知识库与自适应区域增长相融合的道路检测方法。在建立道路先验知识库方面,提出了基于遗传规划的多变量决策树算法用于道路先验知识的挖掘。其通过较少道路样本的采集,建立样本库,训练挖掘出道路知识模型,并对分割后的道路影像进行道路区域自适应增长。该算法实时性较好,且对光照变化及阴影干扰等复杂环境下有较强的鲁棒性。3)针对智能车辆导航对算法实时性和鲁棒性需求,提出了面向对象的多尺度递进的立体匹配算法。该算法通过引入对紧致度、颜色和形状等特征综合考量的快速分割方法,对参考图粗分割结果中的目标区域采用边缘线动态规划方法获取视差,并根据精度需求判断该目标是否需要细分以获取更加精细的视差,由此得到有效的视差图。该方法不同于金字塔方法全图分层,而是以更加符合人类视觉过程,以目标区域为对象由粗到细的求解视差,其有效的避免从像素级逐一运算,不仅使处理速度加快,而且还能保持有效的精度。4)针对传统的智能车辆路径规划算法对复杂环境适应能力差的问题,对人工势场法进行了改进。通过改进势场函数、考虑障碍物以及目标运动趋势以及碰撞判断约束,克服无谓的避碰运动在动态环境下成功到达目标点。再者引入目标点运动概念,将人工势场法的路径规划扩展为具有目标跟踪功能的路径规划法。随后给出计算机仿真结果充分说明了方法的有效性。