道路检测作为智能导航的关键技术之一，具有重要的研究意义。本文研究了非结构化道路的检测问题，实现了多种环境下的道路检测。　　 本文重点研究了基于颜色、边缘和纹理三种特征的道路检测算法。采用颜色和边缘特征融合实现道路的初分割，并以Gabor纹理特征对路面不确定区域作进一步判断。以判断路面环境和分类路面的双重分类器模型得出路面区域，并针对直线型和弯道型路面给出不同的表示方法。　　 首先，针对非结构化道路多样性的特点，以贝叶斯统计模型实现对道路环境的判决，对六种环境下的路面设置不同的分类器参数，使检测更有针对性。　　 其次，将颜色和边缘特征有效融合，采用聚类算法快速实现对道路的初分割。针对Gabor特征提取耗时较大但准确性高的特点，文章以Gabor纹理特征对路面不确定区域作进一步判断，从而得出最终的路面区域。　　 最后，文章对直线型路面和弯道型路面采用不同的表示方式。对直线型路面，以直线拟合方式表示路面边界。针对直线拟合中Hough变换耗时的特点，提出参数空间聚类算法，大大减少了计算时间。对曲线型路面，提出了对路面中心线分段线性拟合的方法，具有较少计算时间的同时，还提高了表示的精确性。最后，算法以跟踪道路边界的方式估计出路面的消失点，使道路的表示更加准确。实验结果表明，算法对直线型和弯道型路面具有较高检测率和鲁棒性。