计算机技术、传感器技术及视觉技术的快速发展促使智能车在军事、太空探索、物流等领域有着很大的应用前景。基于视觉技术的自动导航是智能车研究的热点,通过单目摄像机感知道路前方环境,利用图像处理方法获取视觉信息并快速检测出障碍物,实时规划出较优地可行路径是实现自动导航的关键任务。本文以单目摄像机构建视觉子系统,研究基于单目视觉的智能车自动导航技术,涉及避障与路径优化问题,论文主要包括摄像机标定、障碍物检测、避障与路径优化等相关的内容。首先,本文讨论了实验所用智能小车的系统结构,简述了成像所需参考坐标系,重点研究单目摄像机成像模型,利用OpenCV编程实现单目摄像机标定,将摄像机采集到的视频信号分解成图像序列,便于下一步工作；其次,论文详细分析了基于图像序列的障碍物检测方法,应用帧差法、平均背景建模方法、混合高斯模型方法进行障碍物检测时存在许多不足之处。文中提出了图像多特征融合的方法,将图像纹理、边缘特征进行加权融合,建立混合高斯背景模型,快速检测出所有障碍物目标,但为了去除地面伪障碍物的干扰,本文引进了基于最大熵分割方法,利用Hough变换、形态学处理、连通域标定的方法识别并标定出实际障碍物。文中通过仿真实验,对比了几种方法的检测效果,并证明新算法可靠性较强；最后,本文详细讨论了智能小车避障与路径优化算法,对障碍物进行简单膨胀处理,利用检测出的障碍物分布信息建立环境模型。应用传统人工势场方法进行局部路径规划时存在障碍物附近目标不可达情形,通过经典的沿墙方法引导小车可迅速远离碰撞区域,但带来部分路径冗余,本文提出新的避障策略,利用几何方法,引导小车规划出较优路径。文中利用仿真实验,分析两种方法的效率,验证了新算法具有可行性；论文详细讨论了基于蚁群算法的全局路径规划方法,利用栅格法进行环境建模,应用传统蚁群算法搜索栅格路径时存在搜索慢、迭代次数多、搜索停滞现象。文中在分析多种经典改进蚁群算法的基础上,从启发因子、路径选择概率、信息素更新方式三个方面出发,提出新的改进算法。仿真实验表明,新算法搜索出的路径较优,耗时较少。