近年来无人机(Unmanned Aerial Vehicle)相关技术取得了迅速的进步与发展,无人机在军事侦察、抢险救灾、地质勘探、交通运输、输油管线检测等方面具有重要的实际应用价值。这些应用中,视觉传感器由于具有重量轻、功耗低、隐蔽性好、信息丰富等优点,已被各种UAV普遍使用。当前关于UAV的一个主要研究方向是利用视觉传感器提升其自主导航和场景理解能力,其中道路检测是视觉导航和场景理解的重要基础。利用UAV实现目标侦察时,道路信息可以为目标检测与跟踪提供重要的参考。本文选用无人机作为获取航拍图像数据的技术平台,在前人工作的基础上进行进一步的探究,对现有无人机航拍图像的功能特点及其局限性进行分析和总结。同时针对航拍图像,提出了新颖的道路检测方法,并进行了仿真实验。本文的主要研究内容与创新如下:(1)本文提出了一种基于霍夫变换的航拍图像行道线检测方法。首先对航拍图像进行预处理,利用差分图像获取行道线的边缘信息。然后利用霍夫直线检测实现行道线的初步定位。最后在直线检测的结果上进行行道线的几何约束和校准,精确提取行道线。实验显示该方法在不同环境下能取得较好的行道线检测结果。(2)利用航拍图像中道路具有宽度一致性,本文提出一种基于笔画宽度变换的无人机视觉道路检测方法。该方法首先利用自然场景文字检测中的笔画宽度变换算法来得到道路宽度,并对其进行改进使得道路宽度图像更加准确。然后使用道路特有的形状特征和颜色特征,通过聚类的方法自动找出含有道路区域的类别。最后去除道路区域类别中的干扰和毛刺,实现道路的准确检测。(3)针对笔画宽度变换方法在航拍图像复杂场景下道路检测鲁棒性不高的缺点,本文提出并实现了一种基于超像素相似性的道路检测方法。该方法使用两种不同的方案来生成提议区域,应用随机森林分类器来选择与提议区域宽度一致的路段。然后将路段分组并用于推断在单幅图像中不同道路的颜色分布。最后,应用基于全局图的标记模型来从背景杂波中去除干扰区域以产生最终检测结果。实验表明,所提出的方法可以处理不同的道路场景并显示良好的性能。