随着科学技术的发展,越来越多的国家开展无人驾驶技术的研究。道路环境检测作为自动驾驶技术的基础,直接影响自动驾驶车辆的性能。视觉导航技术具有简单、灵活、廉价的特点,受到人们广泛关注。道路可以分为结构化与非结构化道路。结构化道路具有清晰的人工标记车道线;非结构化道路则没有人工标线,且往往结构多变,存在阴影、积水等因素的干扰。本文旨在对存在阴影、雨雪、积水等因素干扰的非结构化道路,实现较准确的道路区域检测,以及,在行进状态下,实现对道路上其他车辆、行人等障碍物的检测识别。对于道路的检测,以基于信息熵的图像分割为基础并对其进行优化。首先,通过图像预处理,排除噪声的干扰,压缩数据量,增强细节信息。其次,分析比对几种图像分割方法,采用快速递推的二次二维最大熵分割算法,对像素初步定性;引入自适应模板,计算待定区域点到道路区域与非道路区域的Mahalanobis距离,进行特征提取,并将其输入SVM分类器,优化分割效果。最后,考虑边界区域结构特征,利用改进分块算法对分割图像分块处理,快速提取边缘点;利用随机抽样一致算法进一步优化边缘点,排除伪边缘的干扰;选取二次曲线模型,通过最小二乘法,实现道路边界的拟合。通过仿真实验,针对三种非结构化道路场景,平均准确率为80.4%,表明改进算法能够对较准确的识别非结构化道路,同时对其普遍存在的阴影、积水等各类干扰,具有一定的鲁棒性。对于障碍的识别,以光流法为基础并对其进行优化。首先,结合道路场景下障碍物的特点,以最适当的光流法为基础进行障碍识别。其次,结合道路区域的约束进行背景矢量估计与干扰信息滤除。最后,采用显著性差异特征,增强目标与背景的区分度。通过仿真实验,表明算法在多种场景下,能够实现对运动目标的检测识别。