作为许多计算机视觉研究的基础,对场景中的平面进行提取是一个十分基础同时也非常重要的部分,极大地影响了整体研究的最终结果。但是在数据获取的过程中,由于传感器性能有限,场景内容较为复杂,简单的算法对于平面结构的提取难以产生有效地结果。近年来,国内外的许多学者对平面检测算法进行了深入的研究,但是大多只能针对单帧的图像进行平面提取,不能良好的利用多帧图像之间平面的对应关系。同时由于算法性能的限制,过去的方法常常只能实现低精度的平面实时提取或者高精度但耗时较长的平面提取,严重的制约了平面检测作为一项基础性的工作在实际场景下的应用。针对目前研究存在的平面检测速度与质量难以同时保证的问题,本文提出了基于超像素分割的平面提取算法,实现了平面的实时准确提取,同时也实现了对于多帧图像上对平面建立了稳定连续标识。对于无法避免的漏检平面,本文也提出了一种对应的恢复方法。内容安排上,本文首先研究和总结了目前几种先进的平面检测算法,然后对于单帧图像上的平面检测任务,本文提出了基于超像素分割的平面检测算法,首先通过对图像进行超像素分割确定场景中结构的边界,之后通过一种两阶段式的快速检测方法,确定超像素区域中具有良好平面性的部分;再通过基于区域增长的方式确定各个平面的区域范围并得到最终的平面结果。在多帧图像的检测过程中,首先对各帧图像上的平面生成基于几何特征的描述子,通过相邻帧之间各平面计算描述子之间的欧氏距离,进行平面对应关系的确定;之后采用基于最小掩码的重叠验证方式,对平面的对应关系进行进一步的确认。对于漏检的平面,首先通过对已知平面在相邻帧之间的位置变化估计出相机在相邻帧之间的运动情况,并通过相机的运动估计出漏检平面中心点可能存在的位置,并对平面检测过程中的参数进行一定程度的缩放,对漏检平面重新进行区域增长,得到恢复后的漏检平面。本文从视觉效果、对比试验、量化分析三个方面将所提算法与现有的先进方法进行了比较,实验证明,本文算法在平面检测速度和检测精度上综合优于其他算法。