随着无人驾驶路面障碍物识别技术的发展,对车前路面形貌进行探测感知并能准确识别出路面上障碍物对保证无人驾驶安全行驶具有重要意义。由于道路上的水障碍种类多样,形态多变,现阶段常用的识别方法很难准确获取不同类型水障碍的识别信息,不能适用于水障碍类型的复杂性。编码结构光法通过水面反射特性能很好适用于对无倒影和有倒影类型水障碍的有效识别,但在反射率特别低的水体中会影响识别结果的可靠性。针对这个问题,本文研究采用编码结构光,并结合水障碍特征提高其准确性的水障碍识别方法。论文分析了结构光编码的原理和特点,设计了基于编码结构光的路面三维测量与水障碍识别的总体方案。研究了结构光的编码方法,设计了二值空间编码结构光模板。在结构光识别水障碍时,首先基于二维伽马函数算法进行了亮度均匀化;对图像进行了自适应中值滤波处理;最后进行阈值分割,依据结构光“黑洞”特征可识别出无倒影及有倒影类型的水障碍。为解决结构光识别结果不可靠的问题,研究了水障碍的纹理特征,通过融合纹理特征的K均值聚类分割可获得无倒影类型水障碍的识别信息。为适用有倒影水体的识别,研究了水障碍的能量特征,首先对图像进行曲波变换,然后应用局部二值（LBP）算子对精细层图像进行高频信息提取,获得基于能量特征的水障碍识别信息。构建出识别水障碍的方法为编码结构光特征结合纹理特征和能量特征后,利用支持向量机（SVM）分类器进行样本数据的分类识别,为了提高SVM分类识别性能,研究了基于粒子群算法的参数寻优以及算法改进。最后研究了结构光解码算法,建立了采集图案与原投影图案特征点的匹配关系。论文搭建了编码结构光测量系统平台,并进行了路面测量与水障碍识别验证实验,实验结果表明,测量结果能够较好展现路面形貌三维测量信息;本文设计的编码结构光结合纹理和能量特征的水障碍识别方法弥补了结构光识别水障碍的局限性,能够较为准确有效的识别无倒影和有倒影类型的水障碍,所研究的识别方法对这两种类型水障碍的适用性得到提高。