当今社会,一方面,随着城市化的进展及汽车的普及,交通环境日趋恶劣,交通拥挤加剧,交通事故频发,交通问题已经成为全球范围令人困扰的严重问题;另一方面,计算机技术、传感器技术、机器视觉技术的发展日新月异。在这种背景下,将各种先进技术应用到汽车工程中,来减少交通事故,提高运输效率,减轻驾驶员的工作负荷,以及提高车辆在紧急情况下的应急反应能力成为当今研究的热点。因此,基于图像的视觉导航研究在汽车自动驾驶中日益受到重视。计算机视觉系统在自动驾驶研究中主要起到环境探测和辩识的作用。环境的探测和辨识主要包括对道路边界、行驶标识线、行驶周围环境和行车状态标志符及交通符号的探测和识别。因此,道路边界的识别问题是基于图像的视觉导航技术的核心问题之一。本文以道路图像序列为研究对象,主要对道路图像中的道路边界识别技术进行了研究和改进,并提出了新的方法。针对非结构化道路,本文首先根据一定的区域扩散规则,得到区域的粗分割结果。然后,基于Snakes模型具有良好的目标边界表示能力,本文以粗分割的结果为初始边界线,使用Snakes算法搜索真实的道路边界。但是传统的Snakes算法耗时严重,无法满足高速行驶中的车辆对道路检测的实时性要求。因此,本文提出了新的算法以满足实时性要求。针对结构化道路,本文提出了基于快速直线段提取的道路标识线识别算法。首先在分析现有直线检测方法的基础上,根据链码直线检测算法,结合结构化道路图像中道路标识线存在的固有特征,逐级筛选出有用特征,最后获得道路标识线的完整描述。最后本文给出了视觉导航中基于图像的道路边界识别系统的实例描述,并介绍了上述算法在系统中的具体应用。