本文结合国家973项目“盾构机管片拼装测控技术”（NO.2012CB724306）和吉林省科技厅高新技术项目“路面智能集成检测车研制”，针对路面破损智能检测系统的若干关键问题进行了理论和试验研究，包括路面破损图像的去噪和图像的分割、路面破损特征的提取和分类、路面的破损检测结果信息的实时传输等，并在路面检测系统中得到了应用，提高了路面检测的自动化水平和作业效率。针对路面图像存在噪声比较严重、裂缝信息弱、裂缝边缘不清晰等特点，本文提出了一种基于多尺度Kalman滤波的路面去噪算法，通过小波变换将路面图像小波多尺度分解，使路面图像的信息分布在各个尺度，然后利用Kalman滤波分别对各个尺度的路面图像信息估计，最后利用小波重构将各个尺度层的估计信息融合。实验表明多尺度Kalman滤波在抑制路面图像噪声的同时很好地保留了破损区域中裂缝的边缘细节信息。在路面图像分割方面，针对裂缝边缘模糊不易提取的问题，提出了一种改进的模糊聚类分割算法，该算法引入核函数，而且采用最大类间方差算法（OTSU）得到最佳初始聚类中心，避免聚类出现局部最优，从而使分割结果达到最优，实验表明改进的模糊聚类算法对路面图像的分割有很好的效果。对于路面图像对比度低的情况下，路面裂缝的边缘难以检测，本文利用路面图像中裂缝和背景在多尺度上的分形特征值差异性大的特点，提出了一种基于多尺度分性特征的分割算法，并且实验验证了多尺度分形特征分割算法的有效性。利用形态学对分割以后的路面图像的孤立噪点进行了去除。根据路面不同类型的裂缝在几何形态上的差异，提出了平面二维的投影特征和裂缝区域的总像素数特征来描述裂缝的几何特征。而且提出了由路面裂缝图像的分形维数描述裂缝的统计特征。通过路面裂缝图像的分形维数，单向裂缝路面和块、网状裂缝路面能够有效的区分出来。设计了径向基概率神经网络实现路面裂缝的自动分类，将提取的裂缝特征作为网络的输入，首先利用大量已知类型的路面裂缝图像训练神经网络，将训练好的径向基概率神经网络对实际的路面图像做裂缝分类实验，取得了很好的分类效果。而且设计了裂缝的长度、宽度及破损面积的计算方法，这些裂缝的度量可以一定程度上反映路面的破损情况。将车联网技术应用于路面信息管理，针对路面破损检测车组成的移动自组织网中数据传输的特点，设计了适用于容延迟网络的PO-Routing路由协议，这种路由机制通过尽量避免不必要的转发和选择优质邻居节点进行数据转发，节省了节点缓存容量，减少了端到端时延，提高了数据投递成功率。仿真结果表明，提出的路由协议在网络吞吐量、端到端数据传输时延和数据成功投递率方面均有显著改进。在上述理论研究和实验的基础上，开发了路面破损智能检测系统的数据库，利用C++语言编程实现了数据库各个模块的功能。设计制造了路面破损智能检测车，以实现路面图像采集、路面破损识别、GPS定位和信息远程传输。工程应用表明，智能检测车对路面可进行实时检测，对路面裂缝进行准确分类评价和卫星定位，并完成道路破损信息的远程传输。