隨著汽車保有量的增長,越來越多的道路交通事故也給社會和人民造成了巨大的損失。其中,汽車駕駛人的危險駕駛行為是導致道路交通事故頻頻發生的主要原因。無人駕駛汽車因其無需人類駕駛操縱的特點具有廣闊的應用前景。在無人駕駛汽車的行駛過程中,如何實時、魯棒地提取行駛環境信息,以及在獲得信息的基礎上進行合理的運動決策是實現其安全、高效自主駕駛的關鍵,也是無人駕駛汽車研究中的難點和熱點。論文依托國家自然科學基金重大研究計劃項目(90920305)“無人駕駛車輛智能測試環境研究與開發”和中央高?；饎撔聢F隊項目(CHD2011TD006)“基于視覺信息的無人駕駛智能車輛關鍵技術研究”對無人駕駛汽車環境信息提取及運動決策方法展開研究,以實現無人駕駛汽車安全、高效、智能地行駛。本文的研究內容主要包括:(1)視覺圖像數據采集模型和預處理研究。以無人駕駛汽車坐標系作為約束條件,建立視覺圖像數據采集模型;針對圖像采集質量易受行駛環境影響而造成特征難以提取的問題,研究多尺度Retinex圖像增強算法和傳統中值濾波算法的改進優化算法,并進行靜態離線對比試驗。(2)針對復雜道路環境下車道標線檢測算法魯棒性較差的問題,提出面向圖像像素點的改進道路圖像分割方法以深度挖掘車道標線輪廓信息;在此基礎上提出基于抽樣行雙向掃描和成像模型約束候選特征點相結合的車道標線檢測優化算法。為了實現車道標線檢測與跟蹤模塊的有效切換,建立置信度判別模塊和失效判別模塊。(3)針對非結構化道路邊界檢測效率和魯棒性之間難以平衡的問題,提出一種基于置信概率的分塊分類方法提取道路邊界的特征點,在此基礎上運用改進的最小二乘法完成非結構化道路模型參數求解,并進行靜態離線對比試驗。(4)針對無人駕駛汽車對前方車輛識別定位準確性及穩定性要求高的問題,提出一種基于視覺傳感器和64線三維激光雷達信息融合的前方車輛識別算法。通過融合64線三維激光雷達提取的障礙物位置信息,確定圖像中前方車輛的感興趣區域;以類Haar-HOG融合特征作為目標車輛描述方法,采用AdaBoost算法離線訓練獲得的級聯分類器進行前方車輛辨識;對因遮擋問題未被識別出前方車輛的感興趣區域,提出基于激光雷達坐標系下位置關系信息的再確認方法。(5)無人駕駛汽車運動決策建模方法研究。以宏觀行駛規劃為前提,在環境信息提取的基礎上,結合無人駕駛汽車的自身運動狀態,對其在微觀動態交通環境下的兩類基本運動模式進行深入研究,設計無人駕駛汽車運動模式的決策條件及對應目標量;在此基礎上建立基于決策樹的運動決策模型;最后,通過構建微觀動態交通仿真環境對其進行合理性驗證。(6)搭建基于上位機組件的無人駕駛汽車平臺,并對其廣義視覺傳感系統參數進行標定,在此基礎上進行道路試驗,以驗證論文提出的環境信息提取方法的有效性和運動決策模型的合理性。