基于智能车平台的无人驾驶技术作为“视听觉信息的认知计算”国家重大研究计划的主要课题,不仅在安全辅助驾驶应用、构建智能交通系统等方面具有广阔前景,同时是国家信息处理技术和相关产业综合实力的体现。基于视觉的道路检测算法作为无人驾驶技术的核心内容之一,面临准确性、鲁棒性和实时性等多重挑战,因而成为国内外专家学者的研究重点。在道路检测算法的研究中,基于消失点的道路检测算法对于复杂环境下的道路图像具有很强的适用性因而广受关注。然而,这类算法仍具有计算量大,鲁棒性和实时性不足的问题。本文针对现有基于消失点估计的道路检测算法计算量过大、对消失点不在图像内部的情况无法正确处理和对视频流缺乏有效支持的问题,提出了基于泛化消失点和主方向约束的道路检测算法以及利用视频帧间信息的特征融合均值偏移道路跟踪算法。主要工作如下:针对现有基于消失点的道路检测算法普遍存在的计算量过大和对于消失点不在图像内部的情况无法处理的问题,本文引入泛化消失点的概念并结合主方向约束对现有基于消失点估计的道路检测算法进行改进。算法改进包含三个方面:1)通过优化投票策略,使算法在投票半径不变的情况下覆盖更多有效投票点,提高消失点估计的可靠性;2)以道路主方向为约束条件,对图像冗余信息进行筛选,降低了算法的计算量;3)引入泛化消失点的概念,通过判断消失点是否存在于图像内部来选择相应的道路边界拟合方式,增强这类算法的鲁棒性。针对现有基于消失点的道路检测算法对视频流的处理支持不足的问题,本文将均值偏移算法应用于道路跟踪,加强帧间信息的利用。以均值偏移算法为理论基础,通过改善单一颜色特征对复杂道路描述不足的缺点,将纹理特征引入均值偏移算法框架中,融合颜色特征与纹理特征,增强算法对复杂道路环境的鲁棒性。该算法将上一帧检测结果作为参考,缩小了道路检测的范围,减少重复计算,可达到提升道路跟踪算法实时性的目的。为验证算法的有效性,本文实现了所述算法并给出其与传统道路检测算法的对比分析。定性和定量的实验分析表明,基于泛化消失点和主方向约束的道路检测算法的时间效率以及在复杂环境下的鲁棒性有较大提升,融合颜色和纹理特征的均值偏移道路跟踪算法在视频流处理的实时性方面有较大改进。因此本文工作对于无人驾驶技术研究具有一定的理论意义和实际应用价值。