车辆自主驾驶技术的快速发展使其在特定场景中取代人类驾驶员进行自主驾驶逐渐成为可能,然而当前的感知定位与规划控制等算法仍存在瓶颈,实现车辆的完全自动驾驶尚存在一定难度。因此,本文主要针对高速公路场景中的L2级自动驾驶,实现车辆稳定精确的车道保持、换道超车等行为,解决环境感知、行为规划和车辆控制模块中的关键技术问题,具有较高的商业价值与社会意义。首先,对于车道线检测与跟踪问题,本文通过对车辆运动与车道线状态变化的建模与分析,利用车载惯导与轮速计推算了状态预测与协方差计算方法,建立了扩展卡尔曼滤波器。仿真与实验结果表明,所提出的方法能够对车道线检测的抖动进行优化,并在检测失效时进行准确的状态预测,实现更为鲁棒的车道线跟踪。同时,在车道线感知难度较大的区域,对于大场景高精度地图创建问题,本文设计了一种基于摆动单线激光雷达的大场景稠密点云地图创建系统,通过对大型激光雷达的全向摆动,实现了稠密点云的采集与重建,装置有效测量范围大、点云密度高、点云分布均匀,并能通过对多点采集点云的配准,实现更大场景的建图。而后,对于速度规划与行为决策问题,本文将其转换为s-t坐标系中的图搜索问题,并通过对混合A*算法的改进,提升了其在s-t图中的搜索效率。仿真结果表明,在多种复杂交通场景下,所提出的方法能够对车辆的速度与行为进行准确的规划。最后,对于路径跟踪舒适控制问题,本文对车辆行驶过程中乘员的舒适度进行了建模,对其评价指标进行了制定,并基于对现有路径跟踪算法的分析,选取模型预测控制算法实现了高速公路场景中车辆的路径跟踪。TORCS平台的仿真结果表明,所提出的方法在100km/h的速度下横向控制误差小于0.5m,舒适性相比其他方法有明显的提升,能够实现车辆在高速公路场景中平稳、准确的路径跟踪。总的来说,本文对面向高速公路场景的车辆自主驾驶系统进行了设计,对其主要组成模块的多项关键技术进行了研究。