非结构化道路检测技术是智能车辆自主导航的关键技术之一,是目前研究的热点与难点。单一的传感器常常无法有效的感知环境信息,陆地自主车安装了多种传感器,本文以非结构化道路路边融合为研究对象,通过融合多个传感器数据,输出可靠的道路边界位置以及道路区域内的障碍物信息,保证车辆的安全行驶。本文的融合系统使用了摄像机、红外夜视仪、激光雷达三种传感器,关于道路边界主要研究了彩色图像的道路分割、基于激光雷达的路边描述,并对激光雷达数据分析处理进行障碍检测。论文研究了一种基于彩色图像的非结构化道路分割的方法,并在此基础上提取路边特征点供给融合模块。在色度空间对H,S两个分量使用大津法选取合适的阈值进行初步分割,为了避免颜色相近的天空、植被等的影响,将视觉近区域作为检测区域。将两个分割结果合理的进行与操作,再对二值图像的噪声点使用形态学、阈值面积消去、种子填充等算法处理,将道路与非道路区域完整的区分开来。对于大面积阴影影响下的非结构化道路,进行OTSU二次分类,并根据设置的道路参考区域模型和饱和度信息归为道路与非道路类,完成道路分割。对激光雷达数据的道路边界提取设计了一种方法,先使用K均值聚类将数据划分为两类,分别代表道路左右两侧的障碍以及植被,再根据SVM算法求出使分类间隔最大的隔离带,意味着激光雷达数据描述下的道路左右边界。在障碍检测上,对激光雷达数据滤波后聚类分析,根据各类的椭圆特征信息对障碍进行识别。研究了视觉传感器与激光雷达的时空融合算法。对于多个视觉传感器提取的路边特征点,进行基于传感器模糊贴近度的加权融合,使用主元分析的直线拟合方法拟合出道路边界。激光雷达边对视觉边进行约束后,使用协方差交叉(CI)算法对二者融合得到路边位置的最佳估计值。基于D-S证据理论进行多周期障碍置信度融合,判断障碍物是否存在,提高对道路可通行区域检测的准确性和实时性。