随着社会发展及科技进步,人们希望车辆不仅仅是一个基本的代步工具,更希望其向更加智能化的方向发展,以满足人们对其舒适性、易操作性的需求,这在一定程度上推动了高级驾驶辅助系统以及无人驾驶汽车的发展。无人驾驶汽车的主要研究内容包括环境感知、定位导航、路径规划、运动控制、一体化设计等多个方面。本文的研究内容涉及环境感知及车辆运动控制两个方面,研究目的在于使车辆可以更加安全准确的沿预期路径行驶。文章首先针对结构化道路上的车道线信息进行了处理,以获取有效的车道线信息。主要内容包括利用固定感兴趣区域的方法获取有效包含车道线信息的区域;随后对感兴趣区域的信息进行预处理,采用的方法为加权平均法、中值滤波、直方图均衡化;然后对预处理过后的图像利用Canny算子进行边缘检测,获取有效车道线信息;由于车辆行驶在结构化的高速道路上,故采用直线车道线模型,最后利用改进的Hough变换来进行车道线拟合,提取出有效车道线信息。为开发车道保持控制器,首先基于车辆-轮胎模型建立了非线性3自由度车辆动力学模型作为控制器的被控对象;基于模型预测控制理论(MPC)开发了车道保持控制器;为提高控制器的实时性,对车辆模型做了线性化及离散化处理,添加了相应的约束条件,构建合适的目标函数后将目标函数转化为准二次规划问题完成控制器的设计。最后搭建Carsim和Simulink联合仿真环境来验证控制器的路径跟随性能,同时,将设计的基于MPC控制器的控制效果与预瞄跟随最优控制器的控制效果进行对比。结果表明:本文的控制器具有更好的控制效果,更好的路径跟踪性能。为提高控制器的鲁棒性,针对常见的速度区间进行了参数匹配,并将控制器参数选择模块集成至车道保持控制器。结果表明:使用参数自适应的车道保持控制器在多个车速下均可以降低与期望路径的均方根误差,具有更好的跟随精度。