无人驾驶一直作为一个研究的热点问题。无人驾驶的道路检测技术是保障无人车安全行驶的关键。道路检测技术是无人驾驶的重要研究方向之一,主要作用是识别出车道线和道路边界,划定无人车在道路上的可行驶区域,从而保证无人车的行驶安全。本文首先对道路图像进行预处理,通过相机标定,确定感兴趣区域,透视变换以及图像灰度化等方法处理图像,为下一步道路检测创造条件。针对结构化道路和非结构化道路两者道路模型的不同,提出了不同的检测方法。结构化道路的车道线一般比较明显,在对图像实现预处理之后,通过对比Sobel边缘检测算子的检测结果,提出了一种将黄色车道线和白色车道线分开检测的方案。将RGB通道转换为HSL模型和Lab模型,利用HSL模型中的L通道检测图像中的白色车道线,利用Lab模型中的b通道检测图像中的黄色车道线。通过滑动窗口多项式拟合的方法确定车道线的像素坐标,最后计算得出车道线的曲率和车辆的相对偏移距离,并投影到图像中。非机构化道路通常没有明显的车道线,但有道路边界。通过图像语义分割的方法。并结合神经网络完成检测。通过对比多种神经网络的结构与特点,利用FCN全卷积网络对道路进行分割,实现对道路场景语义上的理解。调整神经网络单元相应的值,防止过拟合,从而保证获得良好的分割效果。