汽车保有量的快速增加,导致交通拥堵、行车事故和环境污染问题日益严重,亟需解决。而电子信息技术的快速发展,正在促进传统汽车行业变革,促使汽车从出行交通工具转变为大型智能移动平台。本课题来源于广州市花都区某校企合作智能驾驶研发项目,研究重点是实现基于视觉的特定场景下智能车辆横向运动控制。车辆在道路上的行驶状态主要分为跟车行驶和换道行驶,其中换道行驶场景复杂,需要考虑多种因素,是智能车辆的典型应用问题;而智能车辆的横向运动控制是通过控制车辆前轮转角实现对期望轨迹的跟踪,是智能车辆运动控制的核心研究问题。研究基于视觉的智能车辆换道过程横向运动控制问题,对于智能驾驶技术的实际应用具有重要的借鉴意义。首先,针对YOLO目标检测算法中存在的问题,研究基于YOLO的目标检测改进算法。针对课题需求,设计基于YOLO改进算法的车辆检测模型,建立基于几何成像法的单目视觉前方车距估算模型,再融合两部分算法,实现基于视觉的前方车辆实时检测与车距估算。然后,分析智能车辆换道过程,设计基于安全距离模型的换道策略。对比常见的换道轨迹规划方法,包括:正弦函数换道轨迹规划方法、梯形加速度换道轨迹规划方法、圆弧直线换道轨迹规划方法和多项式换道轨迹方法。分析各种换道轨迹状态量,采用五次多项式实现换道轨迹规划。其次,结合车辆单轨模型和魔术公式轮胎模型,建立小角度假设下的车辆动力学模型,设计基于线性时变模型预测控制的横向运动控制器。在Simulink/CarSim联合仿真环境下,分别验证所设计的模型预测控制横向运动控制器在不同设计参数、不同路面附着条件和不同车速下的控制效果。最后,针对某纯电动汽车平台,设计并完成实验车辆软件和硬件系统改装。在校园道路环境下,进行不同车速下的换道实验。验证所设计的基于视觉的智能车辆换道过程横向运动控制系统效果。