论文的研究内容包括三个方面,即机器视觉识别道路边界、拟人驾驶模型设计和机器视觉与GPS融合导航.在机器视觉方面,该文采用点、面结合的全局模型来进行道路识别.算法分为初始算法与跟踪算法.初始算法主要完成从道路图象中识别出道路边界,跟踪算法利用上一次识别结构对当前图象中道路边界进行实时识别.道路边界识别的可信度计算模型可有效地计算道路边界识别的可信度.该文独立提出了拟人自主驾驶控制模型.第一代拟人自主转向控制模型采用sigmoid函数描述了驾驶员在考虑车辆位置偏差与方向偏差情况下的转向策略.第二代拟人自主驾驶控制模型综合考虑了车辆的方位偏差、距离偏差、车辆速度、转向速度及预瞄距离之间的相互关系,对前轮转向角、前轮转向速度、车辆速度进行综合控制,使智能车辆自主导航更为合理.针对模型参数整定的困难,提出了按方差降低的原则进行参数自适应反馈调节的处法.该文采用了卡尔曼滤波器对GPS数据进行滤波估计,提高了GPS定位精度.建立了试验道路的电子地图,并提出最小方差位置匹配法来进行车辆位置估计,实现了以电子地图为基础的智能车辆道路规则.最后,建立了机器视觉与GPS融合导航模型,提高了智能车辆导航的鲁棒性.该文编制了全部控制软件,实现了算法的各项功能,并进行了试验验证,表明了上述研究的正确性.