中文摘要：

本项目通过结构化道路两侧专用短程通信（DSRC）装置和车载传感器，构建道路智能空间，将一定距离内车辆的位置、速度和车道线等信息通过信息融合后进行环境重建，同时兼顾车辆操稳性，创新性地将危险势场法引入，对车辆的行驶路径进行实时规划，并通过相应控制策略操纵车辆，达到实时避撞、安全行驶的目的。该规划方式不受天气状况干扰，可以为车辆提供全景危险等级视图，科学地提出加速、减速、换道等任务建议，以便控制车辆及时选择最优且保证稳定行驶的无碰路径，避开前方突发危险状况。本项目不仅采取适用于车辆实时避障路径规划的危险势场法，而且还借鉴了智能空间的理念，结合信息融合技术，为主车提供前方道路上更加详细准确的交通环境信息。

结论摘要：

车辆智能化已成为广泛被业界认可的发展趋势和研究热点，智能车辆技术能够有效减少交通事故伤亡，提高车辆的安全性，具有广阔的发展空间和前景。本项目基于智能道路空间环境，探究汽车主动避障技术，其主要研究内容包括基于机器视觉的车道线识别与跟踪、车辆识别与跟踪、驾驶员人脸识别技术、基于车车通讯（V2V）的车辆危险等级预警、车辆局部路径规划和路径跟随以及人机协同驾驶控制策略。本课题获得的成果主要包括以下三个方面 1.在机器视觉方面（1）针对多种道路场景下车道线的识别问题提出了一种应用匹配滤波器和恒虚警率检测器的处理方法，可以较高精度获取车辆所处车道的车道线边界，并进行跟踪；（2）为兼顾车道识别的鲁棒性和实时性，综合考虑硬件设计资源和软件功能的有效分配，设计了一种基于嵌入式平台的车道线识别系统，该系统能够以每秒60帧的速度采集并处理标准清晰度（752×480像素）的图像。（3）提出了一种基于车载相机的前向车辆检测方法，可以较高精度对前车进行检测，并能对多个车辆目标航迹进行稳定跟踪。（4）完成基于深度卷积网络的面部检测与跟踪工作，为驾驶员疲劳检测、专注度分析等驾驶辅助系统的研发提供了研究基础。 2. 在车辆主动避障方面（1）探索了多种面向无人车/智能车局部路径规划算法的研究，实现了基于人工势场的弹性绳算法、智能水滴算法，改进的RRT算法以及最大调和速度势场梯度下降法在车辆局部路径规划中紧急避障的应用，仿真表明，这些方法均具有良好的规划效果，特别是改进的RRT算法和最大调和速度势场梯度下降法具有良好的实时性，具有实际应用的可能。（2）搭建了车辆主动避障系统框架，结合车辆系统的纵向/侧向控制策略实现车辆主动避障的功能，为主动避障系统的研发提供了技术储备和仿真经验。 3. 人机协同驾驶方面（1）基于驾驶员在环仿真平台，采用隐马尔科夫模型和支持向量机的联合模型完成了驾驶员换道意图识别的研究；（2）在驾驶意图识别的基础上，结合基于模型预测控制的自主驾驶系统，在保证车辆稳定安全行驶的前提下，设计驾驶员与车辆协同驾驶的控制策略。结合人决策的辅助驾驶系统是现阶段实现汽车驾驶智能化的一个比较好的替代方案，可有效提高车辆的驾驶安全。