军用无人驾驶车辆是指在室外环境中可以按照预先给定的目标任务,结合已知的地理信息做出路径规划,在行驶的过程中能够不断感知和判断周围的环境信息,自主地做出各种决策,随时调整车辆自身的行驶状态并执行相应的动作和操作的车辆。随着自动控制、体系结构、人工智能、视觉计算等科学知识的成熟和现代战争的需要,军用无人驾驶车辆在军事领域发挥着日益重要的作用。环境感知技术是无人驾驶车辆系统中的关键技术,环境感知技术的高效性、准确性也是车辆实现自主行驶的重要前提。非结构化道路识别是军用无人驾驶车辆环境感知系统的重要组成部分,因此对非结构化道路的识别研究具有重要的现实意义。论文研究的内容主要包括以下几个方面:1、在道路两侧的背景具有明显的颜色信息时,基于彩色图像色度信息对非结构化道路进行识别,在图像的色度空间使用大津法选取合适的阈值分割道路与非道路。2、基于图像的灰度纹理信息,研究使用灰度共生矩阵和分形维方法对非结构化道路进行识别。由灰度共生矩阵可以生成各个二阶特征统计量,并组成相应的特征向量,利用k均值聚类技术实现各个特征向量的分类,完成道路的识别。3、使用BP神经网络对非结构化道路进行识别。根据实际采集的图片样本,利用熵等纹理特征量作为网络的输入向量,结合训练所得到的权值矩阵和阈值矩阵而计算出输出神经元的值,进而判断出图像的道路部分与非道路部分。4、针对阴影情况下非结构化道路的识别,利用二次最大熵法分类进行初次分割,并使用归一化的颜色分量作为不确定区域的判别依据,最终完成图像的分割和道路的识别。5、在图像后处理中使用数学形态学和面积阈值消去法来去除分割后二值化图像的噪声,通过Prewitt算子检测出道路边缘,并用最小二乘曲线拟合法拟合出平滑的边界曲线。6、本文使用VC++6.0编制所有的算法,实现了各种算法的功能,试验数据和试验图片分析表明了本文研究的图像处理技术达到了预定的研究目标。