基于视觉的道路检测方法是自主驾驶领域的热点问题，其可分为道路分割和道路边缘识别。道路分割主要利用道路的颜色和纹理特征，而道路边缘识别不仅能利用道路的颜色和纹理特征，还能利用道路边缘的局部结构特征和整体形状特征，本文主要研究道路边缘识别方法，主要研究成果有：　　1.分析了道路边缘的底层像素级信息，中层模型信息和高层先验信息的特点及其相互关系，提出了一种融合多层次信息的道路边缘识别方法框架。实验结果表明在校园环境下利用该框架识别道路可以非常有效地降低识别的误检率。　　2.本文采用数据驱动的方法来提取道路边缘的底层像素级信息。在提取边缘点特征时不仅提取了道路边缘局部区域的表面颜色特征，还提取了道路边缘的局部结构特征。利用本文的方法不仅能检测边缘，还能在一定程度上识别边缘类型。　　3.针对框架中的模型信息，本文提出了一种新的基于模型驱动的道路边缘识别方法，该方法引入了道路形状先验：针对直路情况，采用基于直线模型道路边缘识别方法，并根据直路的形状先验，提出了利用粒子滤波对道路边缘进行跟踪的方法；针对复杂的道路情况，采用基于曲线模型道路边缘识别方法，并根据弯路的形状先验，提出了基于多核SVR的道路边缘识别方法。基于模型驱动的道路边缘识别算法在大量非结构化环境下进行了实车实验，实验结果表明：该道路识别算法的计算量小、适应性广、准确性高。　　4.针对框架中的高层信息，本文研究了道路边缘地图的建图方法，并提出了利用道路边缘检测结果拼接的道路边缘地图进行车辆定位的方法，实验结果表明，该方法能有效确定车辆状态。