无人驾驶车在军事、民用和科研等众多领域都具有广泛的应用前景,其关键技术中的障碍物检测与识别技术一直以来都是研究的热点,同时也是难点,尤其是越野环境中的障碍物检测与识别技术更是难以突破。本文就是基于单目视觉传感器,针对越野环境中的障碍物,如树干、高灌木和矮灌木,进行检测与识别技术的研究,主要内容如下：(1)在利用单目视觉采集图像的过程中,会存在一些噪声干扰,本文应用中值滤波算法对图像进行处理以滤除噪声干扰,它既具有噪声干扰滤除功能,又具有图像边缘保持功能,符合本文需要边缘信息的要求。另外,本文应用改进的基于Fisher准则函数的分割方法和基于K-means聚类的方法提取出图像中的目标区域,试验表明本文的方法对树干类和灌木类障碍物具有很好的分割效果。(2)对于分割后的图像,为了提取出用于最后识别算法中的障碍物特征,本文应用图像形态学处理方法对图像进行处理,可以很有效的去除过分割产生的干扰。然后,本文分别基于HSI颜色空间、Lab颜色空间提取出饱和度S和颜色a特征,再在二值化图像中,应用链码边界表达方法,提取出垂直度特征,为障碍物识别奠定了良好基础。(3)本文基于Bayas分类原理,通过分析大量的训练样本,估计出基于单个特征的贝叶斯分类器的参数,然后提出了一种基于Bayes分类原理的多特征融合算法,利用本文设计的MATLAB试验平台,就可以分别得到基于单特征和多特征融合的障碍物识别结果。最后,通过大量的试验和结果对比分析,验证了本文提出的多特征融合算法具有很好的实用性和准确性。