移动机器人的发展对国防、社会、经济和科学技术具有重大的影响力,已成为各国高科技领域的战略性研究目标。视觉辅助导航是移动机器人导航的热点之一,其中道路检测是视觉导航系统的重要组成部分。本文研究了基于视觉导航的道路检测算法。道路检测又沿着结构化道路和非结构化道路两个方向发展,本文重点阐述了独立成分分析(ICA)在非结构化道路的特征提取中的应用,具体研究工作如下:对非结构化道路图像,本文用FastICA算法得到一组具有多通频带和多方向选择性的ICA纹理基元,适合应用于提取图像纹理特征。ICA纹理基元能够捕捉图像的内在特性,类似于Gabor滤波器,但比Gabor滤波器拥有更丰富的视觉感知,因此它们的频率响应更为复杂。这些特性使得ICA有很好的分割效果。结合Gabor滤波器和ICA技术对非结构化道路进行特征提取,首先经过Gabor滤波器组滤波,然后由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析PCA降维,最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于道路分类。该方法与ICA特征提取和Gabor滤波器相比具有更好的图像分割效果。对于具有较大纹理结构的道路图像,本文提出把小波变换和ICA算法相结合,利用小波的多尺度特性,缩小图像纹理基元的尺寸,使其能更准确的分割。在此基础上,提出一种结合多尺度和小波的独立成分分析(MWICA)方法,原始图像先进行2D小波分解得到A、H、V、D四个分量,将不同尺度的ICA纹理基元对小波分解的A分量和原始图像分别进行滤波,然后整合特征。实验结果表明该方法提高了分割的准确率。