道路条件的环境感知是汽车自动驾驶技术的重要环节,提前获得的道路条件信息,能够为自动驾驶车辆在行驶过程中的启动、转向和停止等操作实时提供操作判别依据。本文以非结构化道路为研究对象,探究其道路区域检测及路面类型识别算法,为车辆提供可靠精准的输入信息,从而实现车辆在非结构化道路行驶的精确控制。对非结构化道路区域检测和类型识别的研究主要基于视觉信息方法进行,需要在汽车上安装相机或摄像头等传感器。本文依托于国防科技创新特区项目,开展了基于机器视觉的非结构化道路区域检测与类型识别研究。首先选择了多种典型非结构化路面,搭建数据采集平台采集道路图像及车辆行驶车速信息,并对道路图像进行预处理;其次结合基于道路特征和道路模型的方法拟合道路边界;然后提取路面感兴趣区域图像的纹理特征,设计了基于支持向量机的非结构化道路分类器;最后分析道路分类结果并对其进行后处理以提高分类精度。本文的主要研究内容包括:（1）数据采集与图像预处理搭建由测试车辆、摄像头、USB CAN、控制器和计算机组成的车载数据采集平台系统,选择合适的试验场地,通过该数据采集平台同步采集汽车行驶在多种非结构化道路上的路面图像、车辆行驶车速信息等;对采集到的道路图像进行合理的预处理操作,以获得高质量的图像,建立全面可靠的数据库。（2）非结构化道路图像路面区域检测研究利用道路图像行灰度均值的变化寻找道路消失线提取道路感兴趣区域,利用阈值分割初步划分道路区域和非道路区域,用连通域分析法提取最大连通区域并去除小面积非道路连通域以修正道路区域,最后提取道路边缘点并拟合道路边界。（3）基于支持向量机的非结构化道路分类研究通过对采集到的道路图像提取感兴趣区域为分类器构建柏油路面、砖路面、土路面、砂石路面的训练集样本和测试集样本;提取纹理特征,利用MATLAB/LIBSVM工具构建基于支持向量机的路面多分类器,结果表明本文设计的路面分类算法准确率较高。（4）道路分类结果分析与后处理利用基于时间和空间连续的道路图像测试基于支持向量机的路面类型分类器并分析结果。结合与道路图像同步采集的车辆行驶车速信息对分类器设计后处理方法。然后利用实验数据对该方法进行仿真验证,结果表明该方法对两种路面突变的识别效果较好。