智能驾驶是当前战略性新兴产业的重要组成部分,也是世界新一轮经济与科技发展的战略制高点之一。发展智能驾驶技术,有助于提升交通效率、减少城市拥堵、增强交通安全性。道路检测是智能驾驶中的一项关键技术。本文基于双目立体视觉,利用视差对道路图像进行三维重建,开展道路检测算法研究,具有重要的实际应用意义。论文的主要研究内容及创新点如下:（1）针对结构相似度特征计算量大,传播过程中计算复杂度高的问题,提出了一种多尺度立体匹配算法。首先利用结构相似度函数进行匹配代价计算,然后采用多路径维特比算法实现代价聚合,最后利用八个方向的匹配代价聚合方案进行视差估计。为了检验算法的性能,基于KITTI数据集,将多尺度立体匹配算法与其它经典算法进行对比。结果表明,本文算法既能保证匹配精度又能保证匹配效率,且算法的鲁棒性较高。（2）提出了一种基于双目视觉的弯道检测算法。根据双目立体视觉原理,对道路图像中的目标物体进行三维重建,获取目标物体的三维坐标;然后,依据相机高度信息和行车过程中的视野范围对三维重建坐标进行筛选,从而减小噪声及其它无关因素的影响;最后对处理后的三维坐标进行投影变换,得到变换后的二维坐标点,同时统计二维坐标点对应的三维坐标点的个数,从而构造出带有道路轮廓走向的俯视图。（3）将神经网络的语义分割结果和道路模型的拟合误差相结合,基于VGG网络对路面平坦度进行检测。首先基于VGG网络对道路图像进行语义分割,然后利用三维重建后的坐标点对路面进行拟合,得到拟合方程和各点对方程的误差,最后根据误差信息和分割结果的融合情况来判断路面平坦度。利用本文提出的弯道检测算法对直道场景和弯道场景图像进行检测,观察两种场景下所得的俯视图的特征,并利用最小二乘法来拟合俯视图中的曲线,最后对正常光照、阴影遮挡、强光照射、夜间环境下的道路图像做仿真实验。实验结果表明,本文提出的检测算法效果较好。