场景理解是地面自主驾驶车辆技术的核心组成部分,而道路分割与检测是场景理解中的重要内容。非结构化道路检测技术是近年来的一个研究热点。和结构化道路相比,非结构化道路环境复杂多变。此外成像过程中的透视效应导致了道路图像的局部特征(尤其是局部特征的尺度)会随着位置不同而变化。因而,传统的特征提取方法在上述应用中存在一定困难。针对这一问题,本文通过结合激光雷达提供的准确深度信息,对道路中局部尺度进行估计,提出了一种多尺度的非结构化道路检测方法。同时为了客观的评价非结构化道路检测算法的性能,建立了一个开放式图像数据库。本文的主要工作有以下几点:1、提出了一种多尺度非结构化道路检测方法。针对非结构化道路特点,给出了一种基于颜色-梯度组合特征的道路分割方法,并验证了该组合特征的有效性;针对道路场景中的透视效应,提出了一种利用深度信息和消失点信息来调制局部特征尺度和方向的多尺度道路检测方法。该方法首先根据雷达给出的深度信息和图像中的消失点,计算图像中每一点的局部尺度和方向;然后根据当前点的对应尺度,计算该点的颜色特征;并根据当前点的局部尺度和方向,计算梯度特征。实验表明,综合利用不同尺度和方向的颜色-梯度组合特征,可以有效地提高非结构化道路检测效果。2、针对目前尚没有专门针对非结构化道路检测进行算法评价的数据库,构建了一个开放式的非结构化道路场景数据库。在该数据库中,除了将像素分为道路和非道路之外,还根据非结构化道路边界不明显的特点,通过引入不确定区域的概念,将Ground Truth中划分出一块不确定区域。为了能客观地反映非结构化道路检测算法的性能,给出了针对本数据库的具体评价指标,并通过几种典型的道路检测算法对数据库和评价准则的有效性进行了验证。