导航定位是无人车完成各项任务的基础。目前无人车的导航定位大多依赖卫星信号或者高精度地图。然而前者受周边环境的影响较大,后者则因为需要维护一份高精度地图而使得成本较高。与之形成鲜明对比的,是人类在既不需要卫星信号,也不需要高精度地图的条件下,能实现绝大多数条件下的自主导航,同时还兼具鲁棒性。而在人类导航的过程中,对路口的识别占据非常重要的地位。事实上,人类导航可以总结为两种模式的切换:一种模式是还未到达路口时顺着道路方向前进,另一种模式则是到达路口后能够选择正确的路口分支以便从一条道路切换到另一条道路。受到人类这种导航方式的启发,本文重点围绕路口的理解问题开展研究,在此基础上进一步开展了基于路口理解的的视觉导航方法的探索。本文的主要工作如下:1.提出了一种基于特征可视化的路口场景中关键部件的自动提取方法,在此基础上进一步给出了基于这些关键部件的路口识别方法,使无人车能够克服前景目标的遮挡和视角的变化,实现准确的路口识别。2.将图像注意力机制引入到路口场景理解中,使无人车不仅能够识别是哪个路口,还能估计出路口中心及各条岔路的位置。本文对比了硬注意力特征和软注意力特征,实验结果表明,在遮挡情况不严重的条件下,基于软注意力方法的岔路口回归结果更精确,而基于硬注意力的方法对严重遮挡则具有更强的鲁棒性。3.为进一步提高算法的适用范围,上述成果被进一步拓展到了未知环境中。实验结果表明,本文理解路口场景的相关知识对未知路口场景同样具有一定的指导意义。