随着软硬件技术的发展,以智能辅助驾驶和智能安全技术为代表的智能车辆受到世界各国的高度重视。其中,视觉导航是智能车导航的核心技术之一,作为视觉导航的重要部分,道路检测和跟踪早已引起各国学者的广泛关注,目前针对结构化道路的检测技术已经很成熟,本文主要针对非结构化道路的检测和跟踪进行研究。具体内容包括几方面：(1)分析道路场景和实际道路数据采集情况,针对非结构化道路的复杂性,设计了道路预处理方案。(2)根据不同颜色空间中道路特征,本文研究了两种道路分割算法：基于HSI模型的彩色道路阈值分割方法和基于RGB模型的区域生长道路分割方法。前者能克服阴影的干扰；后者对野外环境以及雨后路面出现反光的情况有较好的效果。(3)分析传统边缘检测算子的优缺点,选择定位准确、抗干扰强的自适应Canny算子。设计一种融合区域分割和边缘特征的道路边界检测算法,用道路分割出的区域消除边缘检测中的非路边缘,并用边缘信息弥补区域分割中的道路边界不明显的缺点,实现了道路边缘的确定。(4)将近距离视野中的道路边界近似为直线,选择概率霍夫变换实现道路直线拟合,利用kalman滤波估计直线参数,实现道路线的跟踪。本文使用VC和Opencv进行算法的实现,通过对实际道路视频进行实验,验证了算法的有效性。仿真实验表明,该系统对阴影和水迹等复杂的道路的检测有一定的改善作用,成功的实现了非结构化道路的检测和跟踪。