无人驾驶汽车能够根据视觉信息正确识别道路,其中的道路检测与识别系统是整个视觉系统的核心,首先需要从车载摄像头视频流中选取当前时帧的道路图像做静态分析,识别汽车当时姿态并预测下一时刻的道路走向。针对上述情况,本文研究了适应性强、稳定性好、识别率高的道路检测与识别算法,为无人驾驶汽车的终端控制提供正确的决策依据。论文主要在以下几个方面做了研究:(1)研究了一种改进的小波滤波算法对道路图像进行处理。由于车载摄像头采集到的道路图像含有大量的噪声,为了快速和准确的识别多特征的规则化道路,运用改进的滤波算法对图像进行滤波处理,有效地降低噪声的干扰;(2)研究了一种改进的Canny边缘检测算法对道路图像进行边缘检测。针对传统Canny边缘检测算法中滤波参数、高、低阈值依赖人工设定,缺乏自适应性和实时性的缺陷,运用基于Otsu法的改进Canny检测算法对图像进行处理,实现了高低阈值的自动选取,得到完整、连续的道路边缘图像;(3)研究了一种改进的Hough变换检测算法。通过划分图像检测区域,对每个子区域进行Hough变换,然后通过对Hough参数的设定将相邻子区域内距离小于设定值的直线段进行连接,根据筛选的Hough参数用分段直线道路模型拟合,确定前方道路类型为判断下一时刻的道路走向提供基础。通过大量的仿真和实验数据表明,通过本文提出的道路识别算法拟合的道路模型和得出的Hough参数能够很好地表现道路的基本信息,在复杂情况下对直线型道路和曲线型道路具有很好地识别效果。