近些年,随着道路交通以及无人驾驶技术的迅速发展,车道线检测技术显然已经发展为一种热门研究项目。相对于结构化道路检测,在非结构化道路检测中,由于路面没有较为清晰的边界线和道路标示线,以及受复杂环境因素的影响,这使得路面检测与识别的过程增加了一定的难度。因此,论文通过理论分析和仿真结果总结出一种消失点的非结构化道路检测算法研究,并对车道线识别各个环节进行了深入研究。主要工作如下:首先,论文介绍了道路检测技术这一课题的研究背景和意义,对国内外研究状况进行综述,列举出非结构化道路算法的组成及分类,并总结了整个检测系统的框架;其次,在基于道路模型匹配算法中,分别列举出Canny、Roberts、Sobel以及Laplacian边缘检测算子的不同增强效果,简要分析基于灰度、彩色和纹理特征的道路图像检测算法在检测过程中的区别,并总结出存在的相关难点;最后,本文再对图像纹理特征提取、道路消失点估计以及道路边界约束进行详细分析,并提出改进方案,即一种基于消失点的非结构化道路边界检测算法。算法步骤为:首先设计一种以4个尺度,6个方向的类Haar纹理的实、虚部模板,提取出每个图像像素的纹理特征及纹理主方向,并利用正交校正的方法对纹理主方向进行校正,排除那些不明显的干扰点,然后采用一种改进的局部软投票法,在三角形投票区域中对每个像素点纹理方向投票选取出路面的预估消失点,最后以道路消失点为基准,通过多信息融合的方式对非结构化道路主边界线进行检测搜索。为了能够快速有效地实现非结构化道路检测算法,本文是针对单一图像的非机构化路面检测,使用Visual Studio 2010开发环境并搭载OpenCV 2.4.10编程语言,在PC端完成了算法的设计与改进,并通过定性分析和定量分析两者相结合的方式验证了算法的可行性。实验结果表明,本文所提出的算法具有一定的实时性、鲁棒性和准确性,为实现试验车的实时检测提供了可靠的理论基础。图[27]表[4]参[92]