道路消失点检测是计算机视觉和智能交通系统领域非常重要的研究课题，它是通过对装置在智能车辆前方的传感器所获取到的视频图像进行分析，检测出现实场景中平行的车道线以及与车道线平行的其他直线所形成的消失点的具体位置。因此，如何在各种复杂道路场景下快速、准确的检测道路消失点是解决问题的关键。本文主要研究了基于统计估计的消失点检测算法，并引入韦伯局部特征描述子提出了有效的道路消失点检测算法。首先，本文阐述了道路消失点检测算法的选题背景以及研究意义，总结了现有消失点检测的研究现状以及难点问题。其次，介绍了透视投影理论并分析消失点形成的数学模型，并详细介绍了基于空间转换技术的消失点检测、基于交点信息的消失点检测以及基于统计估计的消失点检测三类道路消失点检测方法并详细分析各类方法的优缺点。其中，着重介绍了基于统计估计的消失点检测，尤其是该类中基于局部纹理方向投票的消失点检测算法。再次，详细介绍了韦伯局部特征描述子并结合道路消失点检测的具体应用背景提出相应的改进方案。针对差分激励分量，本文依据韦伯定理重新定义了差分激励的计算公式，同时平方根让差分激励分量对较小的取值有更强的区分能力；针对梯度方向分量，本文通过Gabor滤波器组描述纹理方向有效利用邻域范围内所有像素的信息；针对多尺度扩展，本文有效利用邻域范围内所有像素的信息，使得描述子对局部纹理的描述更为精准。最后，本文提出了一种基于改进WLD的道路消失点检测方法，首先，对道路图像进行预处理，减少图像噪音对消失点检测过程的影响。然后，采用改进后的WLD提取道路图像的局部纹理特征。接着，利用改进后的WLD中的差分激励分量提取道路的显著区域，以减少环境噪音对检测结果的干扰。最后，根据改进后的WLD中的方向分量以及道路图像的显著区域采用本文提出的线性投票模式获取道路图像的主消失点。大量实验数据表明，本文提出的道路消失点检测方法具有处理速度快、准确性高的特点，基本可以满足实时处理的需求。