基于视觉的道路检测的关键在于如何将像素点准确归为道路表面和非道路表面,而这对于在不同光照、阴影、车流量较大以及路面情况复杂等情况下存在很大挑战。单目视觉系统具有成本较低、处理相对简单的特点,因此基于单目视觉的道路检测成为研究的热点。因此,本文结合无人驾驶汽车的具体运用,研究如何利用单目视觉实现对复杂路况情况下的道路检测,从而提出了具有鲁棒性和实时性的道路检测算法。本文的主要工作及研究成果如下:为提高道路检测算法的运行速度,减少其他无关信息的干扰,本文提出了一种依据行车速度来确定感兴趣区域的方法。依据无人驾驶汽车的行驶速度,从标定好的车载摄像头拍摄图像而后确定感兴趣区域。为提高道路检测算法对于阴影影响的鲁棒性,本文采用基于物理光照无关空间。利用这种特性,可以有效的减少原始图像中阴影的影响。到光照变化正交方向的投影很大程度上减少了阴影的影响,而且在单传感器摄像机可以做到实时性,使其满足无人驾驶汽车的视觉道路检测的实时性要求。本文基于熵值原理求取光照无关角,其中采用多幅图像去除图像中光照无关角偏差很大的,并在此基础上求光照无关角的平均值,这样增加了算法的鲁棒性。为提高道路检测算法的准确性,提出了一种基于种子区域增长的算法。在论文中采用基于上一帧图像检测出来的道路作为输入,并且结合道路检测边缘作为道路种子点以及确定道路的大致边缘,最后再利用基于概率密度函数和均值来判断种子点是否为道路点,这样就可以有效提高算法的速度以及算法的鲁棒性,对于道路边缘的像素点的分割也有比较好的准确性。最后,编程实现了感兴趣区域内的光照无关图算法和基于改进型的种子区域增长的道路分割算法,实验结果表明,在复杂环境下它能有效的检测出道路区域,与一般的道路检测方法相比,在运行速度相当的情况下,明显提高了检测效率。