目前，单目视觉导航系统中的道路检测技术常用一个简单的模型来描述道路的特征，如假设道路是在一个二维平面上，道路边缘是平行的，道路是平坦的。当实际道路不满足这些条件时，测得的车辆在道路中的位置将有较大的偏差。因此本文的主要目的是克服单一传感器的缺陷，提高视觉导航中道路检测算法的鲁棒性、准确性以及实时性。　　 首先，通过大量研究，总结出目前所采用的单目视觉导航系统的缺陷，如无法得到车辆的深度信息，无法解决道路中的遮挡问题，等等。论文从道路环境理解的角度出发，建立立体视觉导航模型，提出运用图像融合方法中的图像匹配技术，来消除对道路的一般性假设，有效解决道路中的遮挡问题，保证行驶的安全性。　　 其次，在道路图像预处理中，文中提出先对道路图像阈值分割，在对二值化的道路图像滤波，这种道路图像预处理方法，与传统的先滤波，再进行阈值分割的图像预处理方法相比，具有速度快，效果明显的特点。在道路图像阈值分割时，提出循环迭代阈值分割方法，在各种道路环境下对道路图像二值化，都取得了较好的处理效果：在道路图像滤波时，提出快速并行的中值滤波算法，这种方法与传统的中值滤波算法相比，比较次数减少了近2倍，所以快速并行的中值滤波算法大大提高了滤波的速度；在道路图像边缘提取时，对各种微分算子的处理效果进行实验分析对比，最后运用基于二阶导数的Laplacian边缘检测算子进行边缘检测。　　 再次，对现有的视觉导航道路检测算法进行分析研究，得到各种常见道路检测算法的优缺点，从而提出基于边缘特征的道路检测方法进行道路检测识别。道路图像经过预处理后，得到道路标识线的边界特征，利用Hough变换进行车道标识线拟合。如果没有拟合出车道标识线，或者拟合出的车道标识线与实际相差甚远，则采用历史帧的提取结果和当前帧的信息进行推导，得到正确的车道标识线位置参数信息。　　 最后，考虑车辆行驶的速度很快，相邻两帧图像中车道标识线的位置不会发生突变。为此，建立梯形感兴趣区域，对车道标识线进行跟踪。本文通过建立仿真实验环境，对算法进行了检验，结果表明，在识别结构化道路车道标识线时，算法具有快速、稳定、准确的特性。