20世纪末以来，随着世界智能交通系统(ITS)和无人化武器装备系统的发展，共同对新一代智能交通工具提出了迫切的需求。智能车辆技术迅速成为具有前瞻性的高新技术研究课题，受到了学术界和企业界的广泛关注。基于机器视觉的车辆自动导航控制技术是智能车辆的核心技术之一，现有技术存在的问题是：车道线处理软件对摄像机硬件性能提出了较高的要求，识别可靠性有待提高；控制算法需要对系统模型进行大量简化，所设计出的控制参数不能完全满足实际工程应用需求；为了满足控制性能要求，现存的智能车辆控制器对传感器和执行器的精度与动态性能提出了较高的要求，鲁棒性较差，反映出控制器人工智能程度低下的问题。针对以上所提问题，本文完成了如下工作：(1)基于车道线识别软件的高可靠性与实时性要求，以及国内外现有车道线识别方法的优缺点，对其进行了理论设计和软件开发，并在大量典型工况下进行了户外实地验证。(2)构建了智能车辆视觉导航系统横向动力学模型，包括车辆模型、视觉模型和预瞄距离模型。在此平台上对PID控制、模糊控制和拟人控制模型进行了设计和优化，并以MATLAB/SIMULINK为工具，对以上三种控制器进行了仿真试验。(3)针对系统精确模型难于构建、控制器人工智能程度低下、鲁棒性不高而且过于依赖高性能传感器和执行器等问题，提出并设计了智能车转向云决策算法，并通过数值仿真验证了其优良特性：人工智能程度较高、对不同的车辆速度和较低的执行器精度都具有较好的适应能力、控制准确而稳定且能获得较好的乘坐舒适性。(4)为了实车验证以上提出的控制技术，设计和研制了缩微智能车技术验证平台。针对以上设计的智能车辆视觉导航系统的PID控制、模糊控制、拟人控制和云决策方法进行了户外实地的验证工作。