随着传感器、视觉感知和人工智能等技术的发展,无人驾驶智能车已经悄然出现在人们眼前。目前,无人驾驶智能车大多配备昂贵高端的传感器系统,远远超过大众能够接受的合理价值;同时,真实场景下进行无人驾驶智能车的实验与测试存在着安全性、政策法规、开发成本等因素的制约。而微缩智能车仿真平台能够一定程度上模拟无人车实车测试,为无人驾驶技术提供一种便利的调试环境。因此,依托长安大学“陕西省道路交通智能检测与装备工程研究中心”已有的车路协同仿真平台,根据无人驾驶任务的具体需求,对现有微缩智能车的硬件系统进行改造升级。本文采用廉价的视觉传感器进行交通环境的感知,重点研究无人驾驶涉及的视觉感知关键技术,为无人驾驶实车测试提供理论基础,同时也是降低无人车成本的一种有益尝试。首先,研究了面向无人驾驶的微缩智能车系统。其主要涉及主处理系统、子控制系统、驱动系统、转向系统以及视觉系统;升级了主处理系统的硬件配置,并且改进了其余组成系统的硬件设备,提出了一种分层结构的微缩智能车硬件系统,该系统能够为基于机器视觉的车道线检测与交通标志检测提供硬件支持。其次,提出了一种基于RANSAC样条拟合的最优车道线检测算法。在微缩平台下,本文通过逆透视变换将车道线图像转变成鸟瞰图,降低车道线检测的难度;然后使用LBP算子和霍夫变换检测出车道线的边缘;最后采用RANSAC算法结合样条拟合对车道线进行最优拟合。该算法在微缩平台下能够有效的提取车道线,为微缩智能车自主驾驶提供了有力保障。最后,提出了基于二叉树支持向量机的交通标志分层检测算法。首先,通过结合颜色与形状特性对交通标志进行检测;其次,通过对感兴趣区域的颜色主成分的判别,将感兴趣区域进行类别粗划分;最后,计算感兴趣区域的梯度方向直方图特征,并以梯度方向直方图为识别特征,使用基于二叉树的支持向量机识别方法,对感兴趣区域进行语义识别。实验表明,该算法在实际微缩仿真环境下对交通标志具有较高的识别率。本文通过对微缩智能车硬件平台升级和视觉感知算法的改进,最终实现了基于视觉感知的微缩智能车的基本功能,能够有效的检测仿真环境下车道线与交通标志,为无人驾驶智能车的实车测试奠定了实验基础。