本文主要是针对智能汽车在换道场景下,融合单目相机和惯性导航信息感知路面环境的研究。利用相机视觉算法检测出的车道线融合惯性导航,实时规划出保持或换道的理想轨迹,同时通过惯性导航对自车位置和理想轨迹的定位,反向约束视觉算法,避免算法可能出现的随机误差。为了减少误差,首先对相机进行标定,得到畸变系数、内外参矩阵等参数,在对前方道路进行逆透视变换,得到俯视图,并将俯视图换算到大地坐标系下。然后使用“梯度差值法”和“颜色空间LUV法”,将车道线分离出来,选定垂直积分投影图作为二者信息融合载体。针对这两幅图,将同列满足要求的像素点的总和,作为垂直积分投影图的纵坐标,对应列所在的横坐标作为投影图的横坐标。将俯视图转换成灰度图,寻找积分投影图中代表车道线的波峰位置,在灰度图中定位搜索窗口位置,记录窗口内部点的位置,进行二次曲线拟合,得到车道线方程。为了保证波峰位置准确,本文设计了两种自适应调整算法:波峰位置动态更新算法和阈值自适应调整机制,可以使算法具有更强的鲁棒性,也可以自适应调整图像处理算法中原先设定的阈值,在变化的路面条件下性能不会下降。对于换道过程,本文设计了两个模式:车道保持模式和换道模式。车辆默认处于车道保持模式,将视觉算法得到的车道线方程中心线作为理想轨迹进行跟踪,使车辆保持在当前车道中心处行驶。同时利用上一帧车道中心线的位置,推算出两边车道线在积分投影图上代表的波峰大概位置,在视觉算法受到随机误差或垂直积分投影图中的波峰位置定位失败的影响时,协助算法进行纠正,快速适应当前的地面环境。实验数据显示,在良好路况下,检测正确率提高了约3%,不良路况下,算法正确率可稳定在95%左右。在接收到换道信号时,开启换道模式,系统立即根据自车位置和目标车道的预定到达位置,规划出一条四次多项式的理想轨迹。利用惯性导航对自车的实时定位,结合自车与理想轨迹的距离,形成关于位置的闭环控制。实车实验表明,车辆可以根据视觉检测的车道线,在惯性导航的帮助下,完成车道保持模式和换道模式的相互切换。