城市智能汽车自动驾驶技术主要分为感知,决策和控制三部分,可行驶区域检测是环境感知中的重要组成部分,其检测准确性对于城市智能车位姿估计以及局部驾驶决策起到了至关重要的作用。可行驶区域主要分为道路边缘线清晰,结构化程度较高的结构化道路;道路车道线不清晰、道路宽度不一致的半结构化道路以及路面没有结构层,天然路面构成的非结构化道路。本文主要针对城市半结构化区域提出了一种基于多传感数据融合的道路分割算法,针对城市结构化区域提出了一种基于车道线空间特性的多任务车道线检测算法。由于半结构化区域缺少车道线信息,为了实现智能车局部定位以及局部路径规划功能,可行驶道路检测成为其关键技术之一。单一视觉传感器道路检测容易受到复杂室外光线变化,阴影遮挡影响,而激光雷达传感器几乎不受光照影响。为了消除室外环境对摄像头带来的冲击,增加复杂光照下道路分割的鲁棒性,本文设计了一种激光雷达和摄像头融合的半结构化可行驶道路分割网络C-LNet。首先针对激光雷达点云数据与图像数据的异质性,本文通过传感器空间同步,完成异质数据同一。其次考虑到多模态信息不同融合方式,本文基于神经网络设计了一种多尺度特征密集融合方式。相比其他融合方式效果提升2%左右,并对阴影遮挡和光照变化等复杂场景有明显提升。车道线是结构化区域中可行驶道路更细粒度划分,城市智能车可根据车道线判断自身位置,针对城市结构化区域中车道线易被车流遮挡,光照影响等情况,本文提出了一种基于车道线空间分布特性的车道线检测网络,首先根据车道线在图像中的空间特性提出空间非对称感受野结构以及感受野扩张金字塔结构,提高车道线提取能力。其次在解码器中加入实例分割支路,完成多车道实例分割。本文提出的车道线分割模型在图森数据集上进行训练,并与主流分割网络特征提取结果进行对比实验,在图像分割指标MIoU上有2%到4%的提升。为了验证智能车可行驶区域检测算法,本文根据校园场景,构建了一套L4级智能车实验平台。实验以校园道路场景为对象,经过多传感融合道路检测以及车道线检测实验,得到智能车在校园道路中的可行驶区域范围,并为决策提供偏航角度以及与规划轨迹的偏移距离,对本文提出的道路分割算法以及车道线检测算法进行了实车验证,并完成简单的智能车自动驾驶功能。