随着自动驾驶汽车的发展,利用先进的车载传感器进行路面状态的检测与识别已尤显重要。目前,国内外学者对自动驾驶汽车的感知技术研究多集中于对城市道路的检测和识别,而针对公路路面状态检测与识别的相关研究甚少。我国北部地区广袤,冬季时间长,低等级公路分布广泛,公路积雪、结冰难以及时清理,常形成多类冰雪路面,如积雪、结冰、半融化雪、半融化冰等路面。自动驾驶汽车在低等级冰雪公路上行驶时,若不能准确识别当前路面状态并且仍按静态限速标志车速行驶,极易产生技术意义的“超速”而引发交通事故。因此,能否准确检测和识别冰雪公路路面状态是确保自动驾驶汽车在低等级冰雪公路上安全行驶的关键问题。目前,人工智能识别技术和高精度传感器检测技术的快速发展使得检测和识别公路冰雪路面状态成为可能。由此,本文针对低等级公路冰雪路面特征,依据相机和激光信息采集原理,提出车载激光和相机检测识别路面的方法,并辅以SVM识别算法,实时获取路面冰雪状态信息并判定冰雪路面类型。同时,由于单一激光或单一相机进行检测识别路面状态存在不足,本文根据相机和激光传感器的优点,提出了两种传感器融合感知路面的方法。最终使车辆根据不同路面状态及时、智能自主地做出驾驶行为,以保障车辆在低等级冰雪公路上的安全驾驶。本文主要研究工作如下:(1)研究典型冰雪路面的表面微观结构,针对光源充足和不足的条件,分析其光照反射特性及颜色表现。基于HSV颜色空间模型,提取典型冰雪路面图像的HSV分量直方图,通过对比HSV特征分量差异,确定了以色调和亮度为路面识别参数;(2)基于灰度共生矩阵算法,提取典型冰雪路面图像的能量、熵、对比度、相关性及逆差距特征,通过对比不同光照条件下不同路面图像的纹理特征差异发现:日间路面图像纹理特征清晰易辨,特征差异明显;夜间路面可通过能量、熵及逆差距特征进行鉴别,本文为使夜间图像特征差异更为明显,采用基于HSI亮度均衡的方法以提高图像对比度和亮度;(3)根据激光检测原理,设计了冰雪路面状态动态检测算法,并推导出对前方路面状态动态预判算法模型。除此之外,论文讨论了基于单一相机识别或单一激光检测方式的不足,提出了车载相机与激光融合感知路面状态的方法,并设计了融合感知的基本模型及其具体的工作流程;(4)对路面图像的纹理特征和颜色特征进行整合,构建了基于SVM分类器的路面类型识别模型,仿真实验结果显示:采用颜色特征及纹理特征对路面进行识别具有可行性,并发现识别的精度与样本数量及惩罚因子呈正相关;(5)通过外场实车测试实验表明,本文所提方法实时性及稳定性良好,可对路面状态进行检测判定,验证了本文提出的感知方法的可行性。