智能车辆的行为识别作为智能车辆环境感知的重要组成部分,能够为智能车辆的控制和决策提供必要的数据支撑,是智能车辆安全、可靠运行的前提和基础。论文针对智能车辆典型行为识别问题,搭建了一种智能车辆典型行为识别系统,并在此基础上对智能车辆的典型行为识别方法进行研究。主要工作包括:(1)在对智能车辆体系结构和功能结构进行研究的基础上,构建了一种智能车辆典型行为识别系统,进而分析了该系统中各个模块的工作原理及其涉及的关键技术,并完成了系统的硬件选择。(2)在对智能车辆姿态估计算法进行深入研究的基础上,选择旋转矢量法作为陀螺仪的车辆姿态估计方法,选择高斯牛顿法作为加速度计和磁强计的车辆姿态估计方法,然后使用扩展卡尔曼滤波算法对两种估计方法的结果进行融合,实现了车辆姿态估计;通过仿真实验验证了该方法能够实现较好的车辆姿态估计效果。(3)针对车辆加速度积分求取车辆速度时的累积误差问题,提出了一种基于加速度修正的智能车辆速度估计方法。通过仿真实验验证了该方法能够有效减少车辆加速度误差和噪声对速度估计的影响,具有较好的车辆速度估计效果。(4)通过对智能车辆典型行为中车辆姿态和速度表现特点的分析,对车辆典型行为类型进行了划分;根据不同车辆行为类型的特点,分别提取车辆速度曲线的数字特征和车辆姿态信号的FFT系数作为车辆行为的特征,并将其作为支持向量机算法的输入量实现了智能车辆典型行为的识别。(5)搭建了一种智能车辆典型行为识别测试平台,完成了智能车辆典型行为识别软件和算法的设计,通过实验验证了所提出的智能车辆典型行为识别方法的有效性。