目前智能汽车成为全球热点之一,它可以通过车身上的机器视觉系统提前感知车辆前方变化情况并传递给车身上的各个控制系统,大大提高了控制系统的反应时间。由于单一的系统识别难免会出现误识、漏识的情况,因此多系统融合的感知势必会成为今后研究的热点。本文依托国家自然科学基金青年基金项目“道路智能感知下汽车主动悬架阻尼控制自适应切换研究”（51605213）,利用双目摄像头和雷达系统离线识别汽车行驶前方矩形凸块,通过特定的图片和点云处理方法对其进行特征提取,作为建立后续悬架控制仿真脉冲路面模型建立的依据,并设计主动悬架LQG控制器和构建汽车平顺性综合评价体系,对无人驾驶汽车进行平顺性分析,主要研究内容如下:首先,搭建双目摄像头和雷达组成的信息采集系统,根据采集要求将其安装在无人驾驶车辆上,对行驶过程中车辆前方的矩形凸块进行采集,经过电脑端解析后获取大量的图片和点云信息,为提取矩形凸块特征信息提供数据库。其次,对图片进行灰度化、边缘化、感兴趣区域提取等处理,利用像素比例算法提取矩形凸块高度,同时将矩形凸块点云与地面点云分割,利用TOF测距算法提取距离信息,应用提取的特征信息在Matlab/Simulink中重构对应的虚拟路面输入模型。再次,建立车辆主被动悬架系统模型,将车身垂向加速度、悬架动行程和轮胎动位移作为控制目标设计主动悬架LQG控制器,利用层次分析法为其确定加权系数,在无人驾驶车辆未到达脉冲之前,离线计算最佳反馈力与反馈力的施加时间。最后,基于ISO2631评价标准构建汽车平顺性综合评价体系,对于随机路面输入,采用基本评价方法计算加权加速度均方根值,对于脉冲路面输入采用辅助评价方法计算振动剂量值,并根据得到的时域曲线计算振动衰减时间,求得“综合评价值”,评价无人驾驶车辆平顺性。论文研究结果表明,利用双目摄像头和雷达识别系统可以为主动悬架控制提前提供参数信息,采用LQG控制器的主动悬架可以大大提高乘客的乘坐舒适性,并且构建的综合评价体系可以对汽车平顺性进行有效评价。