无人驾驶汽车作为未来出行的交通方式,吸引着国内外各大高校及科研机构对其孜孜不倦的研究。作为一台集人工智能、视觉计算、自动控制和软件开发等的技术结合体,无人驾驶汽车可以大幅降低交通事故发生率,减少交通拥堵,提高交通运行效率,为国民出行提供便利。无人驾驶汽车涉及多学科知识,并且主要从环境感知、路径规划、定位导航和决策控制四个方面来进行研究,环境感知作为无人驾驶汽车接收周围环境信息的部分,发挥着极其重要的作用。因此,如何高效准确的识别车辆周围环境信息,是实现无人驾驶的重中之重。本文在总结现有成果的基础上,利用双目视觉摄像头采集图像信息,针对无人驾驶汽车行驶道路环境中的车辆和行人进行测距、追踪和仿真,主要包括以下几个方面:1)对近年来国内外无人驾驶汽车的研究现状进行分析,对目标检测与跟踪的研究技术进行探索,指出单目视觉在目标检测与追踪方面的劣势,确定以双目视觉为主要研究对象,确立本课题需要解决的关键问题和本课题的技术路线。2)针对不同空间尺度的车辆表现出显著不同的特征使得检测算法效率低,并且单目难以准确获取车辆距离信息的问题,提出了一种改进Faster-RCNN对汽车目标进行检测,然后利用双目视觉对车辆进行测距的车辆识别与定位方法。利用双目立体相机采集前方图像并进行预处理,加载深度神经网络Faster-RCNN的训练数据,利用改进的聚合信道特征(ACF)车辆检测器训练车辆目标图像,然后针对汽车不同空间尺度引入多个内置的子网络,接着将来自所有子网络的输出自适应组合对车辆目标进行检测;然后利用SURF特征匹配算法进行左右图像的立体匹配,根据匹配数据进行三维重建并结合图像语义分割确定车辆质心坐标,从而测量出车辆与双目相机之间的距离。3)针对行人检测方法准确性差,并且单目视觉难以准确获取行人距离信息的问题,提出了一种利用特征融合来对HOG-SVM进行改进,然后利用双目视觉对行人进行测距的行人识别与定位方法。利用双目立体相机采集前方图像并进行预处理,通过特征融合对HOG-SVM行人检测方法进行改进,提高行人检测精度;然后利用SURF特征匹配算法进行左右图像的立体匹配,根据匹配数据进行三维重建并结合图像语义分割确定行人质心坐标,从而测量出行人与双目相机之间的距离。4)提出改进联合概率数据关联滤波的智能车双目视觉多目标跟踪方法:利用双目立体视觉摄像头采集车辆及行人图像、视频;首先,利用双目视觉立体测距算法估计中间车辆的位移,将不符合特征的物体视为移动目标,将其测量值送至跟踪算法;其次,基于Lie群中的扩展卡尔曼滤波构造状态不确定性和运动模型;最后,通过改进的联合概率数据关联实现多目标的准确跟踪。5)利用车辆动力学仿真软件SCANeR搭建仿真实验,目标车搭载双目视觉相机,设置无人驾驶汽车车辆检测与跟踪和无人驾驶汽车行人检测与跟踪两个工况,来模拟双目视觉无人驾驶汽车整车运行工况,对方法的有效性与合理性进行分析验证,并对行车稳定性与舒适性进行分析。