智能车作为智能交通系统的重要组成部分,发展智能车不仅能够减少交通事故的发生,而且在工业、应急救灾、军事航天等领域都有广阔的发展空间。因此,作为智能交通系统重要组成部分的智能车成为人们研究的焦点。路径规划及路径跟踪控制是智能车研究的关键技术,是实现智能车自主驾驶的关键。在对智能车路径规划及路径跟踪控制的研究中,如何在有障碍物的环境中为智能车规划一条符合要求的路径以及如何实现对智能车转向的控制成为人们研究的热点和难点问题。因此,本文以视觉导航智能车为研究对象对其避障路径规划及横向控制展开研究。人工势场法具有结构简单、计算量小、实时性好等优点,因此选择人工势场法作为智能车避障路径规划算法。建立了传统人工势场避障模型,仿真发现传统人工势场法规划出的路径光滑性不好。因此基于车辆线性二自由度微分方程,根据智能车避障安全角限定和转向特性对传统人工势场法改进。仿真结果表明:改进后的人工势场法规划出的路径更加光滑。以往对智能车横向控制的研究多采用反馈控制,其存在不能利用未来的环境信息,在控制和规划中智能性和鲁棒性较差的缺点。因此采用视觉预瞄的路径跟踪控制策略,将视觉预瞄模型得到的横向偏差和方位偏差进行融合得到融合偏差。选择模糊控制器作为智能车横向控制器,将融合偏差及融合偏差变化率作为模糊控制器输入,前轮转角作为输出,实现对智能车的转向控制。针对道路曲率突变影响智能车操纵稳定性问题,基于视觉预瞄模型对道路曲率进行了修正。在Simulink与CarSim组成的联合仿真平台上,对所设计的模糊预瞄控制器的算法有效性和道路曲率修正的效果进行仿真分析,并对改进人工势场法规划出的避障路径进行了跟踪仿真;通过对车辆参数的改变对所设计的控制器鲁棒性进行了仿真分析。仿真结果表明:模糊预瞄控制器具有较好的路径跟踪控制效果,并且具有较强的鲁棒性;所采用的道路曲率修正算法对车辆在曲率突变路径的操作稳定性有一定程度的提高。