视觉信息处理是陆地自主车导航的关键技术，是自主车驾驶的基础，其主要功能是对道路场景进行快速识别和理解，以避开障碍物，得到可行区域。它主要包括两部分内容：一是道路表面识别，二是障碍物识别。目前已有针对结构化公路的处理算法大多是在某一具体道路环境进行，鲁棒性差。为同时保证处理的实时性和鲁棒性，本文基于空域和时域信息相结合的思想进行处理。对道路表面识别，为排除道路周围场景的影响，本文采用先识别分道线和道路边界，再对道路边界约束的道路区域进行直方图分割的路线。考虑到已有算法大多在比较理想的情况下检测分道线或道路边界，在有污染、遮挡、不连续等的影响下检测困难，本文首先采用以消失点为基础的扇形投影法检测分道线和道路边界直线，这种算法速度快，且可检测不连续直线；再利用连续帧中分道线和道路边界基本不变的特性，对分道线、道路边界进行跟踪，对受遮挡、污染或虚线所引起的无法被提取的分道线、道路边界进行补偿。道路表面阈值分割的难点在于阴影／水渍的影响。阴影／水渍不具备特定形状，一般通过颜色进行提取。鉴于已有颜色提取法都针对特定环境而言，具有较大局限性。本文采用彩色比较系统，以非阴影／水渍区色彩特征作为参照提取阴影／水渍区域，具有很好的适应性。鉴于障碍物形状多变，与形状无关的识别法通常复杂度高，如光流法、立体视觉法，重投影法比较简单，但对整幅图像进行处理复杂度也高，本文首先将道路表面识别结果中的前景区域视为障碍物可疑目标，再用透视法判断目标是否靠近自主车，最后对于正在靠近的目标采用基于特征点的重投影法判断目标高度，以判断是否为障碍物。这种方法既避免了大范围重投影变换所带来的复杂度，又与障碍物形状无关，鲁棒性好。以上方法单帧处理时间约为40ms，满足自主车信息处理的实时性要求。