近年来,智能车辅助驾驶系统已经广泛应用于结构化道路场景。由于如今大部分道路上的车道线线条清晰且通常为直线车道,故使用基于视觉的结构化道路检测技术已经能够适用于正常道路并投放使用。对比之下,非结构化道路(如农村环境的泥土道路)由于缺少车道线等明显标志,且驾驶过程中道路弯曲程度差异明显,同时还会因光照、阴影及水渍等外部环境的影响而导致检测效果不佳的情况。目前对非结构化道路检测技术的研究尚未成熟,许多情况下的检测效果都不尽如人意。本文的非结构化道路检测主要包括道路分割、道路边界拟合及车道偏离预警等技术研究。针对现有的非结构化道路分割算法因光照、阴影等的影响难以将道路和非道路区域完整分割的缺点,本文提出使用基于HSV颜色空间和二维大津算法相结合的分割方法对复杂场景下的道路图片进行分割操作。该方法首先提取图片的感兴趣区域,排除上方天空等无关信息的干扰。再对感兴趣区域进行HSV颜色空间转换,用二维大津分割算法分别处理色调图和饱和度图得到两者的二值图像。再根据道路在图片中的形状特征抉择出最佳分割效果图,并使用形态学处理和最大连通域提取等方法对二值分割图片进行修正。随后,根据目前拟合出的道路边界线不准确的情况,提出使用两种拟合方法相结合的方法拟合道路边界。该方法可自适应选择使用最小二乘法进行直线模型拟合,或使用随机抽样一致性算法进行二次曲线模型拟合。最小二乘法是根据全局样本点得到拟合线条,而随机抽样一致性算法则能够排除干扰点的影响,两种拟合算法结合能够实现对不同的道路环境的拟合操作。最后,再根据拟合的道路边界线,可以得到理想的行驶路线,根据该路线与车辆行驶方向的夹角以及车辆距离道路中心线的横向偏移量来判断汽车行驶时是否发生偏移,进而考虑是否应当发出报警信号。本文为非结构化道路上行驶的车辆提供了一种可行的辅助方案,且对受光照、阴影及水渍等环境影响下的道路仍能快速、准确获得道路区域。