自上世纪八十年代以来,基于计算机视觉的车辆自主导航技术已经成为自动驾驶与车辆辅助驾驶研究中的热点方向之一。其中,道路识别技术更是车辆自主导航系统的重要组成部分,然而,目前在乡村道路、盘山公路等无明显标线的非结构化道路的驾驶环境下加之阴影的存在,道路识别技术仍然存在着准确率低、实时性差和易受光照影响的缺点。为了克服以上缺点,本文针对复杂阴影的驾驶环境下的识别率低、易受道路阴影影响、参数拟合不准确等缺陷,在保证系统实时性的前提下,按照图像预处理、路面阴影消除、道路边缘线拟合及跟踪的结构进行深入研究。本文主要工作如下:(1)利用支持向量机算法、神经网络算法以及改进的最大类间差算法分别对道路场景图像进行分割处理,从而能够将道路区域从复杂阴影的道路图像中分割出来,并针对三种不同的道路分割算法进行实验设计与结果分析;(2)根据不同的道路方向类型,设计不同的函数模型,利用最小二乘法对已提取的道路线进行拟合。由于复杂情况下,道路边缘线会出现许多噪声点,影响拟合结果,本文又着重对LMedSquare算法进行改进研究,提高拟合精度;(3)分别介绍卡尔曼滤波算法和粒子滤波算法在道路模型参数进行跟踪预测方面的具体应用,并利用改进的卡尔曼滤波算法对道路模型参数进行跟踪预测,避免系统对采集到的图像进行逐帧处理,提高算法实时性。实验结果表明,本文算法对非结构化道路有着较强的鲁棒性,有效地避免了阴影及噪声的干扰,并且在道路中没有道路线的情况下,依然可以发挥效用,为车辆在复杂情况下的自主导航打下良好的基础。