基于计算机视觉的道路检测是智能车驾驶系统中的关键技术之一。尽管许多学者在该领域开展了大量研究，但由于实际道路环境的复杂性和多样性，实现道路的准确检测仍面临着诸多问题，如阴影、光照变化、路面破损、车辆遮挡及背景干扰等。针对上述问题，本文以实现复杂背景下可靠的道路检测为目的，开展结构化道路和非结构化道路检测的研究。其主要工作如下：(1)针对简单道路模型缺乏描述不同形状道路的能力，而复杂道路模型又易受干扰等困难，提出了基于线性双曲线模型的车道线检测方法，并在FIR滤波的基础上，采用大津法克服了传统边缘检测易受高亮度区域干扰的问题，实现了不同形状的结构化道路的准确检测。(2)针对解决复杂道路环境下，现有的结构化车道检测算法易受遮挡、背景干扰等问题，提出了基于梯度点对及平行透视投影模型约束的结构化道路检测算法，在进一步提取结构化道路的几何特征的基础上，利用两次Hough变换进行平行透视投影模型及线性双曲线道路模型的参数估计，实现了各种复杂道路环境下的单车道及多车道检测。(3)针对现有的基于Gabor纹理的非结构化道路检测算法存在计算复杂度高及实时性差等问题，提出了一种新的基于Haar特征的纹理提取方法，通过分别构造表示实部及虚部的Haar模板，获得了道路纹理特征的复响应，并利用积分图实现了非结构化道路纹理特征的快速提取。(4)针对有限个方向的Haar模板不能精确提取实际道路纹理方向的缺点，提出了基于正交修正的道路纹理计算方法，并利用角度及距离进行加权，实现了非结构化道路消失点的检测；在此基础上，采用方向一致性特征和颜色特征，实现了非结构化道路的准确分割与检测。本文在多种公开的道路检测测试库上对所提出的算法进行了实验，并与常用算法进行了比较。实验结果表明，在各种复杂场景下本文所提出的算法能够可靠有效地实现道路检测。