近年来,各国对无人驾驶的研究异常火热,国内外智能驾驶研究主要着力于智能驾驶系统各模块之间的调通与算法调优以及最后的实车落地,对无人驾驶系统中智能算法及其安全性的研究与测试仍未得到广泛的关注,故对无人驾驶系统中智能算法及其安全性研究具有十分主要的意义。本文首先提出了无人驾驶智能算法及其安全体系结构,归纳出无人驾驶系统各层存在的安全性问题。针对无人驾驶安全体系结构规划与决策层中基于人工势场法的局部路径规划算法存在的容易陷入局部极小值点的问题,提出了基于人工势场法与差分进化法的局部路径规划算法;针对基于深度学习卷积神经网络的车道线检测算法在车道线缺失,恶劣天气条件下车道线识别率低的问题,本文提出了一种基于高精地图与多传感器融合的车道线检测算法。本文主要研究工作包含三部分,如下所所述:(1)提出无人驾驶智能算法及其安全体系结构。该体系结构按照功能可以划分为应用层安全、网络层安全、规划与决策层安全、感知层安全,本文提出智能无人驾驶系统应用层安全问题包括高精地图在低定位精度下无法匹配地形;网络层安全问题包括车辆网中数字签名伪造以及数据认证失败的问题;规划与决策层安全问题包括局部路径规划算法、行人检测算法、车道线检测算法、障碍物检测算法在特定场景下算法失效的问题;感知层安全问题包括GPS传感器、毫米波雷达、摄像头传感器存在的安全性问题。(2)提出一种基于人工势场法与差分法的局部路径规划算法。该算法的核心思想在于智能车陷入局部最小值点时采用差分进化法完成最优次目标的选取,在完成最优次目标的选取之后局部路径规划算法可以重新构建势力场,从而解决局部极小值问题。(3)提出一种基于高精地图与多传感器融合的车道线检测算法。该算法的基本原理是使用智能小车自身高精定位结合高精地图数据完成车道线的检测,在高精地图未覆盖区域使用激光雷达完成对道路曲率的估计,辅助进行车道线检测。