近年来,智能驾驶技术迅速发展,自主驾驶汽车受到高校等研究机构和汽车企业的广泛关注。道路检测是自主汽车环境感知的基本问题,也是难点问题。传统道路检测方法以车道、道路护栏为主要线索。然而这些线索会因为其它交通参与者的存在而变得支离破碎。针对这种困境,本文立足于整合环境中局部可见的多时空线索,开展对城市环境下的道路理解研究,主要研究内容和成果有:1.设计并实现了一种基于局部空间几何特征的道路边缘检测方法。论文首先深入分析了基于三维点云的局部表面法向量的计算与表达方法,进而实现了一种基于表面法向量突变特性的道路边缘检测方法。该方法推进了立体视觉技术在道路识别中的应用。2.提出了一种能够有效整合局部几何特征和纹理特征的道路环境理解算法。该方法以贝叶斯方法为基本融合框架,将形状先验、表面法向量、高度以及颜色特征均转化为有关道路的似然概率,形成对边缘区域的综合评价,最后利用基于多核的支持向量机技术,对这些局部的边缘候选区域进行形状整合,形成了对道路的整体认识。实验表明,该算法准确性高、运行速度快、稳定性好。3.提出了一种基于道路其它车辆行为序列的道路预测算法。该算法通过挖掘车辆行为与道路走向之间的隐藏关系,将自主车周围车辆的运动速度、方向、位置等碎片化的时空线索整合起来,并最终以道路概率栅格地图的形式,形成了对密集车流下车路关系的理解。实车实验表明,该方法能够在密集车流下实现无人车的车道预测和车道级定位。