基于视觉导航的人工智能无人车系统中道路及障碍物检测是关键问题之一。目前的障碍物检测方法大多是基于结构化道路这样相对简单的道路环境,直接用到复杂的道路环境下往往不能取得令人满意的效果。本文中提出的方法主要应用于非结构复杂道路(乡村道路)环境下的道路障碍物检测,并且做对障碍物的简单测距。本文的图像采集来源于各种不同道路环境下,如砂石路、乡间小公路等。这样的图像中周围环境背景比较多样化,容易淹没道路中的障碍物特征。但是道路路面部分却相对来说有比较规整的特征信息,比如分布相对均匀的颜色信息。所以不同于将障碍物直接做为目标进行的训练分类的方法,本文中采用的方法是将道路作为目标部分,而障碍物和周围环境同时作为背景进行训练分类。然后从得到的道路信息中采用道路模型拟合的办法,判断出障碍物的位置与距离。本文使用支持向量机进行训练分类。支持向量机能够适应小样本情况,并且有比较强的泛化能力。针对训练特征的提取采用对图像分块,然后分块提取的办法。在分类得到的道路区域部分,采用去除孤立块以及填补空洞等办法来优化道路轮廓,得到一个完整的目标信息。本文通过多次试验,最终采用线性SVM以多维彩色空间为输入特征进行初步分类,大致确定道路前景与障碍物及周边环境所构成的背景；然后结合假设道路为梯形模型判断出位于道路中的障碍物。该方法在实验采集的四大类不同环境类型的道路图像库中,所得到的平均检测率为91.35%,充分说明了本文方法在实践中的有效性和鲁棒性。