无人驾驶车辆是人工智能研究的热点,在未来智能交通系统中有着广阔的应用前景。在真实环境中,无人驾驶车辆会受到随机动态障碍物以及复杂天气的影响,易发生拥堵碰撞等不安全情况。因此安全避撞是无人驾驶车辆核心技术。机场廊桥特定路径下,本文在控制决策层,研究了路径规划问题,在环境感知层,研究了图像去雾以及图像去雨雾数据处理问题。机场廊桥下车辆交汇多且有遮挡,因此在决策层,为优化无人驾驶车辆动态避撞路径规划时长和平滑规划路径,提出一种路径规划融合算法。该算法在双向快速扩展随机树(Bid-RRT)基础上引入动态窗口法,实现在动态约束下的无人驾驶车辆避撞。机场廊桥下无人驾驶车辆避撞的仿真结果表明,其规划的轨迹更加安全、有效,同时满足避撞路径规划的快速性和平滑性要求。本文控制决策层避撞是在环境感知层采集数据预处理基础上进行研究,因此在环境感知层,针对传统图像去雾存在的清晰度和边缘伪影问题,提出一种基于流形学习的粒子滤波图像去雾新方法。该方法基于暗原色先验理论估计大气光值,利用流形学习的粒子滤波方法对大气透射率进行优化,获得精确的透射率,最后调整图像亮度恢复出清晰无雾图。实验结果表明,该方法在提高图像清晰度的同时解决了景深边缘伪影问题,显著提高了图像的可见性。下雨同时常伴随雾气的产生,针对去雨雾存在雨痕和不清晰问题,提出一种优化注意生成对抗网络的去雨雾方法,通过将高斯模型与生成对抗网络相结合,去除背景干扰,同时在网络中加入流行粒子滤波去雾模块。实验结果表明,与现存去雨算法相比,所提去雨雾算法能较好去除图像中的雨线和雾气,显著提高了图像清晰度,客观指标也得到了提升。通过去雨雾算法实现了对环境感知数据处理,为无人驾驶车辆控制决策层路径避撞打下良好基础。