视觉导航因为具有信息丰富、适应范围广、智能化程度高等特有的优越性能而受到各国的关注,已成为智能车辆导航方式的主流和发展方向。但由于户外环境的多变和不可预知性,使得视觉导航车辆的路径识别比较困难。本文根据CyberCar 阴影导航路径图像的特点,进行了各种不同光照强度下的阴影路径识别算法研究。研究了采用阈值曲面对较暗光照阴影路径图像进行分割的方法。分析了阈值曲面的拟合原理,运用梯度大小进行阈值曲面拟合点的选取,根据梯度方向直方图进行野点剔除。运用拟合的阈值曲面进行了实际阴影路径图像的分割试验。研究了采用区域生长方法对正常光照阴影路径图像进行分割。根据区域生长算法原理,进行了种子点的选取、生长规则的制定以及生长结束条件的研究。应用区域生长算法进行了实际阴影导航路径图像的分割试验。研究了运用Laplace 边缘检测算子进行较亮光照阴影导航路径图像的分割。根据此类阴影路径图像的特点,用Laplace 边缘检测算子对该类图像进行分割处理。试验应用Robert 算子对此类阴影图像进行分割,并与应用Laplace算子的分割结果进行比较。应用Laplace 边缘检测算子进行了实际阴影路径图像的分割试验。研究了采用BP 神经网络进行不同光照阴影路径图像的分类器设计。考察了隐层节点数对网络的训练速度、分类速度和分类效果的影响,并采用回归方法优化了网络的隐层节点数;考察了学习率η对收敛速度的影响,选取了较好的学习率。利用整体图像灰度均值和方差以及图像九个小块的方差作为网络输入,判别图像的类别。进行了实际阴影路径图像的分类试验。研究了采用分段最佳平均斜率法进行路径中心线拟合。根据得到的拟合中心线获取车辆当前的方位偏差和侧向距离偏差信息,为车辆的自主导航控制提供可靠的参数。进行了实际路径识别试验。运用vc 编制了上述各种算法,并将上述算法进行了融合。进行了实际的户外不同阴影导航路径的识别试验,验证了本文所研究的不同算法的有效性。