道路检测是基于视觉的车辆导航中的关键技术之一。论文以基于视觉的复杂环境道路检测技术为研究对象,采用彩色道路图像分割算法,在分析和讨论已有技术的基础上,提出了能够适应复杂环境的道路检测算法。在一定程度上解决了非结构化道路在存在阴影、水迹、亮光、树叶覆盖条件下的道路区域识别问题。论文介绍了道路检测技术的研究现状,从结构化道路和非结构化道路两个方面介绍并分析了世界上已有的几个著名的检测算法,指出目前基于结构化道路的检测技术已经成熟,而基于非结构化道路的检测技术还处于研究阶段。论文讨论了彩色道路图像检测的特点和典型的算法。首先,在分析道路图像特性和道路检测要求的基础上,对非结构化道路进行了模糊分类,即宽度渐变的道路和宽度频变的道路两类,为进行针对性的道路检测算法设计奠定了基础。其次,综合分析了各种图像预处理技术,并通过实验对比,设计了适合本课题的图像预处理算法。最后,对比分析了各种彩色道路图像边缘检测算法和区域分割算法。论文研究了基于模型的道路检测算法。设计了一种改进的基于直线模型与kalman滤波跟踪的道路检测算法。算法将视觉近区域作为检测区域,并使用直线建模道路边界,实时性更强。算法采用了一种递归循环的结构,本次检测结果依赖于前次检测结果。首先,在前次检测得到的道路中线附近一定区域内采样求平均获得种子像素,然后使用一种基于HSI空间的区域生长方法进行初步道路分割。在道路左右边界上选择若干观测值进行道路边界线的kalman滤波器估计。最后根据左右边界线推算道路中线。在初始条件下,算法使用了一种无监督的道路模型匹配方法检测道路边界。另外,算法充分考虑到了阴影、水迹等复杂环境对道路检测的干扰,针对性的设计了识别去除环节,增强了道路检测的准确性。论文研究了基于特征的道路检测算法。设计了一种基于边缘特征和区域特征融合的道路检测算法。在进行区域分割过程中只考虑H、S分量数据,这样在一定程度上减轻了阴影等环境因素对道路检测的影响。边缘特征提取采用了一种改进的基于方向均等sobel算子局部信息熵最大的算法,提高了边缘检测的准确度。在实验数据分析的基础上,提出了区域特征和边缘特征融合算法,即以区域分割结果为主,边缘检测结果进行修正的方法,提高了道路检测的准确性。最后采用链码算法跟踪道路边界。实验结果表明该道路检测算法不依赖于道路宽度渐变的假设,能够适应宽度渐变或频变的道路环境。算法在一定程度上能够检测存在阴影、水迹、树叶覆盖等多种复杂环境的非结构化道路。