随着计算机技术的快速发展,矿区机械智能化必将是智慧矿山的发展方向之一。在露天矿区等相对封闭领域,道路检测是无人驾驶卡车感知矿区环境以及完成各种任务的前提,道路边缘检测是核心环节。本文针对矿区复杂环境下道路边缘模糊,识别率低等问题,对图像处理技术在矿区非结构化道路边缘识别与监测进行深入研究。本文的主要工作如下:(1)基于露天矿区道路图像在HSV颜色空间内的特征分析,以降低光照影响和系统计算冗余为主要目的,在HSV颜色特征空间内,对道路图像进行预处理。在此基础上,提出基于Retinex理论的图像增强算法,有效地突出了边缘细节,为后续的实验进行打下了基础。(2)针对矿区非结构化道路边缘形状多变的特点,提出了基于道路左右边缘分割的拟合方法。构建的直线、弯道和直线-抛物线3种拟合模型。最后,利用改进的kalman滤波对道路图像进行跟踪检测,降低了噪声对实验的干扰。(3)基于MATLAB平台,分析论文所提出的道路边缘检测、边缘拟合以及边缘跟踪算法处理不同类型的露天矿区道路图像的实施效果,并采用边缘连续性、边缘品质因数以及算法综合测量值等3种评价指标对算法的应用进行客观评价,分析本文算法对于非结构化程度高的露天矿区道路边缘的适用性和鲁棒性。本文提出的基于机器视觉的矿区复杂道路边缘算法对于无人驾驶卡车在露天矿区的自主导航提供了一种初步的有效的方法。