基于视觉的导航系统是模式识别、人工智能领域的研究热点之一,主要应用于自主移动平台的导航,如机器人、智能车辆等。其中,道路环境的理解是导航系统的关键技术之一,它为导航系统提供准确的道路信息,包括道路方向以及道路位置。目前基于视觉的结构化道路的研究相对比较成熟,这是因为结构化道路具有相对固定的特征,如行车线、行车标志等,有助于建立统一的模型；而对于复杂环境下非结构化道路,目前的研究还很不够,由于复杂环境下的光照、路面、景物没有规律可循,这就增大了研究的难度。本文研究内容主要分为三个部分：1)采用基于纹理的消失点检测算法分割道路中的可通行区域,根据Gabor滤波器多尺度多方向的特点,提取道路纹理方向,提出了一种快速的局部软投票(Fast Local Adaptive Soft Voting, FLASV)算法,根据方向一致性比值(Orientation Consistency Ratio, OCR)分割道路的可通行区域。实验结果分析表明,该算法能够很好的适应复杂多变的环境,具有较低的时间复杂度和较高的准确性。2)研究了纹理图像彩色空间表示方法,重点研究了张量判别彩色空间(TDCS)模型,使用3阶张量来描述纹理图像,寻找适合纹理图像的最优彩色空间。研究了描述局部纹理特征的表示方法,包括LBP特征算子、HOG特征算子和SIFT特征算子,并从多特征融合的角度进行了实验分析。3)研究了基于特征型多平面支持向量机的分类方法,重点讨论了常规正则化多平面分类方法(ReGEC)和多权向量投影支持向量机(MVSVM),从理论上分析MVSVM的一些等价形式,实验证明了MVSVM具有较高的识别率和较低的时间复杂度。最后在非结构化道路可通行区域进行了路面识别验证实验。