汽车智能交通高级驾驶辅助系统(ADAS)作为提高道路交通安全的有效技术,引起了国内外学者的高度关注,其中的道路视觉感知技术更是车路环境研究工作不可或缺的部分。本文基于当前的车路环境视觉感知技术,对复杂车路视觉图像的获取技术和融合处理技术进行了研究。本文首先以蒙特卡罗方法模拟光波在复杂车路环境散射介质中的传播过程为基础,构建复杂介质中的成像数学模型,对系统成像参数进行优化,并给出复杂介质环境中的图像增强获取方案;其次,根据光波的偏振特性,设计复杂车路环境偏振信息获取方案,搭建并标定偏振成像原理样机系统,研究系统的视场差异与灰度响应不一致的校正方法,进而利用偏振图像采集软件实现车路偏振图像的精准实时获取;接着,通过对采集的Stokes参量图像的分析,引入多源图像融合算法,针对复杂车路图像的特性,提出一种基于偏振特征的图像增强融合方法,实现图像细节信息和本身偏振辐射特性的增强;最后基于该融合图像提出基于多尺度池化的复杂车路环境多细节特征深度语义分类识别算法,提高复杂场景的语义分类识别效果,实现道路、车辆以及车道线等目标的正确分类,为复杂车路环境下车辆的安全辅助驾驶行驶视觉感知提供技术保障。本文利用实时采集的车路图像对提出的算法进行验证,实验结果表明,基于偏振特征进行语义分类的识别效果要优于传统可见光特征的识别效果,同时本文算法在识别精度和鲁棒性方面均优于FCN-8s,尤其在一些细节识别方面表现突出。因此将偏振视觉图像应用于复杂车路环境目标的识别分类,可以实现对道路上的车辆、车道、标识牌以及车道线等目标的精准识别,有利于道路交通安全管理。