随着全球车辆数目不断增加,交通事故也随之增多。在面对因交通事故带来的生命财产安全问题时,辅助驾驶系统和无人驾驶系统受到社会越来越多的关注。而道路检测作为这两种系统的关键技术之一被大量研究人员研究。目前的研究主要集中在规则化道路的检测,规则化道路是指有道路线或明确边界的道路,如高速公路和城市道路等。规则化道路检测是指对图像中车辆所行驶道路的左右边界进行检测。规则化道路检测方法一般过程为特征提取、道路模型建立以及道路检测与跟踪。本文对这三部分分别进行了相关的算法研究。在道路特征提取阶段,首先对输入图像进行逆透视变换得到鸟瞰图,使输入图像中原本相交的道路边界在鸟瞰图中变得平行,然后在鸟瞰图中进行特征提取。特征提取结果中往往包含很多异常点,本文提出一种异常点去除方法,对异常点进行去除,减少异常点对道路检测的干扰。在道路模型建立阶段,通过数学模型对道路边界进行描述。本文使用的模型不是对道路边界的几何形状进行描述,而是描述道路边界点之间的关系,因此能够适应不同形状的道路。在道路检测与跟踪阶段,结合之前建立的道路模型,通过粒子滤波完成鸟瞰图中道路边界的检测,检测结果为两个边界点的集合。本文通过方向距离变换得到的距离信息建立了一种低维度的粒子状态,有效减少粒子滤波过程中所需产生的粒子数量,从而提高粒子滤波检测道路边界的效率。同时,建立的观测模型除了考虑距离信息外,还考虑了前若干个状态下的检测结果,提高道路检测的准确率。对道路进行跟踪时,利用上一帧图像的检测结果,为当前帧的道路检测提供更多的信息。通过实验对本文提出的方法了进行测试和验证。本文介绍的道路检测方法在caltech lane数据集上进行了准确性测试,同时在嵌入式设备cortex-A9 1.7Ghz上进行了实时性测试。