道路场景分割是机器人环境理解中十分关键的部分，传统的道路场景分割算法对于不同的场景可能会产生误分割的情况。如何能减少道路场景分割中的误分割率，是道路场景分割所面临的一个紧要问题。　　 针对道路场景分割可能会使得不同环境下的道路产生误分割的情况，本文对马尔科夫随机场方法进行了研究:　　 (1)研究了马尔科夫随机场方法及其相关理论，并应用到道路场景分割中。使用ICM、模拟退火等方法对马尔科夫随机场中的能量进行优化，使道路场景得到分割。　　 (2)研究了灰度共生矩。结合马尔科夫随机场方法和灰度共生矩，对其中的能量函数进行改进。对于道路场景，使用马尔科夫随机场方法计算道路场景中的能量，并且通过修改马尔科夫随机场方法中的势函数来改进马尔科夫随机场方法中的能量。研究了粒子群算法的基本框架和原理，借助粒子群算法的基本框架，对于得到的道路场景能量信息，使用粒子群算法对其进行优化，从而得到道路场景分割结果。　　 (3)研究了基于GraphCut道路场景分割，采用与颜色、纹理特征相结合的图割算法，对道路场景进行分割。采用K-均值对道路场景图像进行初始化，将获得的初始化结果运用于图割，然后得到这一帧的已分割道路场景图像，接着用这一帧的分割结果指导下一帧的道路场景初始化，对下一帧的道路场景进行分割，依次循环。