基于视觉的智能导航系统在国防和国民经济领域具有广阔的应用前景，是计算机视觉领域的研究热点。其中，道路识别作为智能导航系统的关键技术之一，成为了国内外众多学者的研究重点。在道路识别算法的研究中，基于纹理和消失点估计的道路检测，因其在复杂道路环境下表现出较强的鲁棒性，成为了各科研机构的研究重点。然而，该类算法仍然存在着算法复杂度过高、消失点位置精确度相对不足的问题。虽然有学者通过引入投票机制来提高消失点的估计精度，但过高的计算量进一步降低了算法的实时性。因此，本文针对该类算法中消失点精确度不足、道路边界搜索复杂度过高的问题，在现有投票机制的基础上，提出一种融合多信息的消失点估计及其道路识别算法，以提高算法的实时性和准确性。主要工作如下：针对消失点估计过程中，算法复杂度过高、精确度不足等问题，本文分析了现有的初始消失点估计方法，结合消失点形成原理，提出了一种基于边缘检测的主方向上多维度的消失点估计方法。首先对道路图像进行Canny边缘检测，然后在边缘点的基础上，引入道路主方向定义，并运用该定义筛选有效的投票点，进而在此基础上设计出基于道路主方向的多维度消失点投票方法。本方法从道路主方向的整体角度出发，给出了快速、准确地提取有效像素点的计算过程，其计算复杂度得到了有效的降低。针对基于消失点的道路边界搜索过程中，存在因搜索范围广而导致算法复杂度高的问题，本文分析了初始消失点中投票向量的含义，结合票数的分布特点，提出了基于消失点的多信息融合道路识别算法。该算法将投票向量中票数较高的分量对应的方向作为道路主边界的优先搜索方向，并对搜索方向的数量进行了限制，从而有效的缩小了道路主边界线的搜索范围。同时，融合纹理、颜色等多种特征对道路边界进行定义，为准确提取出道路边界提供了保障。为了验证上述算法工作，本文分别就消失点估计和道路边界搜索两个方面，用定量分析与主观判断相结合的方式，对提出的改进方案和对比算法进行了验证与分析。实验结果表明，本文的算法有较高的实时性、准确性和鲁棒性，具有一定的理论价值和实际应用价值。