基于单目视觉的道路跟踪研究在过去的二十年间得到了极大的关注和快速的发展。这个领域的研究从算法策略方面主要分为两个方向:基于地图的方法和无地图方法。基于地图的导航在小范围环境中已得到成功的应用。但在面向高速公路、野外环境的应用中,由于面临环境不确定造成的大范围地图表示困难和可靠性难以保证等问题,基于地图的方法虽然具有广阔的发展前景,目前仍难以完全独立地完成导航任务。因此,面向室外应用的实用系统更倾向于采用无地图的方法。在无地图视觉导航研究中,面向结构化道路和野外环境的研究开展较早,已经取得较为系统的理论体系,但对于城市环境,道路拓扑结构很难用统一的模型描述,从而在道路描述以及相应的道路跟踪算法开发方面有较大的困难,一直没有形成统一的建模方法与算法框架。针对这个问题,本文将探讨多种道路类型并存的城市环境中,如何进行道路表示以及开发相应的道路跟踪算法的问题。　　 本文首先回顾了过去二十年间具有代表性的基于单目视觉的道路跟踪算法,在已有成熟算法中,研究的背景主要集中在结构化环境(如高速公路)和非结构化环境(如野外环境)的应用,各自均形成了较为成熟的道路表示和道路跟踪算法。随着近年来研究热点逐渐转入城市应用,已有成熟系统逐渐开始面临如下问题:1、算法为保证可靠性对道路模型和环境假设的依赖不能适应城市环境多种道路模型并存的问题；2、复杂拓扑结构道路(如交叉路口)等道路的存在使得基于二次曲线的道路描述方法不再适用,而需要一个更加一般的道路数学描述方法。这两点是本文进行进一步研究的两个主要着眼点。　　 在城市环境的应用中,大多数道路仍然可以采用基于二次曲线的道路模型,这时,道路检测算法类似于结构化道路,但需要处理更为复杂的道路情形,如:1、复杂道路纹理(如阴影)对检测算法的影响；2、多车道机动问题(车辆换道)；3、道路标线退化和遮挡问题。针对这几个问题,本文提出了一个基于粒子滤波算法的道路检测算法。该算法利用粒子滤波理论框架构建了一个数据融合的方法,通过道路表面的色彩、纹理、拓扑结构等多种特征在算法层面的融合来保证道路跟踪算法在处理上述三个问题时的能力。实验结果表明,该算法在不显著降低算法效率的情况下可以较大的提高道路跟踪的鲁棒性。　　 在城市环境中,还存在大量的道路拓扑结构复杂的环境,不能使用基于二次曲线的道路模型,针对这个问题,本文提出了一个基于“可通行区域”概念的解决方案。其基本思路为彻底忽略传统方法中基于道路模型的假设,而以一个“可通行区域”的概念来拓展“道路”的定义。通过类似于基于单目视觉的三维重构算法的思想分析道路表面特征,检测出“可通行区域”,并以多边形的形式描述这个区域,建立类似于栅格地图的局部可通行区域信息。由于道路描述方法改变,本文同时还给出了一个与之相适应的基于快速随机扩展树的路径规划算法,与可通行区域检测算法一起构成一个复杂拓扑结构道路环境中视觉导航的完整解决方案。　　 针对道路模型多样化以及在目前有限的硬件条件下实用系统的算法效率问题,本文最后提出了一个基于道路模型动态识别的方法来提高多种道路并存环境中的道路检测算法效率和可靠性。其基本思路是通过交互多模型理论建立有限个道路模型,系统运行时在跟踪道路参数的同时还会在同一个滤波器中实时跟踪道路模型的变化,从而根据具体的道路情况决策最终的道路检测算法,以达到尽量采用简单的算法处理道路跟踪问题的目的。本文最后,在上述道路表示与跟踪算法的基础上,设计并实现了一个基于单目视觉的智能车辆系统,通过该系统在真实的城市混合交通环境中的长期运营,论证了可行性。