近年来,随着私人汽车持有量的增加和车辆的迅速普及,行车安全已经成为全球关注的热点。由于道路状况的复杂性和信息的多样性,驾驶员的注意力不能时刻保持集中,导致交通数据的错失,严重者酿成交通事故。因此,作为智能车辆核心技术之一的路面检测技术越来越得到关注。作为辅助驾驶系统和无人驾驶系统的重要组成部分,路面检测技术的研究不仅可以帮助驾驶员获取场景中路面区域的相关信息,也可以为其他辅助驾驶技术(如车道线识别,障碍物碰撞预警等)有效的提供保证。因此路面检测技术的研究是非常有必要的。本文结合应用数学的有关理论,建立数学模型,提出一种基于单目视觉的路面检测算法。首先,基于路面平坦的假设,提出了基于平面单应性原理的路面检测,本文利用经单应性矩阵转换过的前一帧图像路面部分与后一帧图像路面部分重叠的原理来检测路面。首先,获得单应性矩阵的过程中,需要路面部分的匹配特征点对,本文提出基于SVM(支持向量机)和LBP以及HOG特征的路面部分预识别算法,对分割的图像块提取特征进行路面识别,然后运用SURF和Flann算法实现路面特征点的选取以及匹配,根据匹配点对求取单应性矩阵,并通过RANSAC的优化得到最终的单应性矩阵结果。根据求得的单应性矩阵做图像变换并设置图像窗口块大小和阈值对单帧(即帧间)图像进行路面区域检测。然后,结合当前帧和历史帧信息做多帧信息融合,提出了一个融合历史帧检测信息的概率更新模型,完成对图像的多帧融合路面检测。最后,通过对图像的形态学修剪和道路边界约束,合理填补检测结果中的路面孔洞部分,平滑和完整路面区域,得到最终的路面检测结果。在各种场景下的实验结果表明,该算法不受光照条件、路面纹理多样性、道路场景等因素的影响,在改善了路面检测不完整问题的基础上,提高了检测率。