道路检测过程中需要运用先进的技术，只有技术上科学、合理，才能够促进检测工作的顺利开展。目前，由于我国经济的增长以及科学技术的进步，对道路的建设提出了更高的要求。在这个过程中，道路的检测技术有待提高，以促进道路建设的质量。通过对道路检测行业分析了解到，道路检测行业需融入高新技术和思想。

　　经济与科技的并速发展使得交通基础设施成为了制约发展的一个因素，带来了一系列的交通问题，为人们的生命安全埋下了隐患。基于此，一些发达国家开始研发职能系统，如欧洲提出PROMETHEUS和DRIVE项目、美国WHS项目、日本启动VICS和ARTS项目等。智能交通集合了自主控制、视觉感知技术、智能决策和多传感技术等，但是交通系统的投资大、周期长、需要的辅助设备多，一些问题还亟待完善，加入了我国高新技术计划的行列。

　　1 视觉道路检测发展现状

　　现代科技的发展和网络的普及，智能机械等方面都有很大的成就，在许多领域都得到了广泛应用，比如军事、制造、科研等方面。现在由于处理器和存储器成本的降低和CCD摄像头价格的低廉，为计算机的实时图像处理提供了可能性，具有适应性强和柔韧性好等特点，视觉导航在职能汽车上的应用具有广阔前景。国内外的许多单位都堆智能汽车的视觉导航技术进行深入研究，取得很大进步。更多最新道路检测行业资讯及发展趋势分析内容请咨询中国报告大厅网站撰写的《2015-2020年中国道路检测产业运行态势及投资战略研究报告》。

　　目前取得成果较大的有美国军方研制的DEMOIII智能车辆和美国CMU（Camegie Mellon Universitv）机器人研究中心研究开发的适用于规则道路结构的NavLab系列、德国联邦国防大学UBM（theUniversittder Bundeswehr Munchen）与德国奔驰汽车公司研制的VaMORs和VaMORs-P两种车、意大利的University of Parma研制的ARGO工程、法国帕斯卡大学与法国的D.R.A.S雪铁龙（Cittoen）技术中心合作，联合研制了Peugeot系统等，我国在此领域起步晚，主要有清华大学智能技术与系统国家重点实验室“移动机器人（THMR）课题组”研制的清华智能车THMR-V、国防科技大学自动化研究所研制的新一代地面无人驾驶车辆CITAVT-IV等。

　　2 基于视觉的道路识别方法

　　视觉是人类认识世界、观察世界的重要感官。对于驾驶员来说，90%的驾驶信息来自视觉。目前智能汽车采用的环境感知手段以视觉为最主要，成为了当前主流因素，拥有极其广阔的前景。实用性是目前即使七绝的最主要难点，单个计算机的运算速度已经不能满足视觉的实时性特点，人们还在继续通过算法的改进和新型算法的研究类减少计算量，提高视觉系统的实时性。职能汽车的视觉系统是由硬件部分和软件部分组成。硬件部分包括CCD摄像机、图像采集卡、工控机和车辆组成。

　　2.1 基于道路特征识别方法

　　道路特征识别有道路区域特征和道路边缘特征两种。区域特征主要分析道路与非道路的区别之处来作为特征，比如在彩色图像中，很多文献都有相应的检测算法，可是复杂的环境和道路因素如光照、天气和玩到等情况会影响道路区域色彩的不一致；在灰色图像中，灰度阈值可以划分道路和非道路区域。最简单的区域特征是纹理信息，非道路区域的纹理信息较为复杂，而道路区域纹理比较单一。边缘特征是基于道路边缘的梯度来跟踪整个路面常见方法有sobel算子、log算子、prewitt算子、roberts算子、canny算子等。复杂到了路的边缘信息干扰因素较多，给边缘检测方法带来了很大的难度。

　　2.1 基于道路模型识别方法

　　道路模型大致分为直线模型、曲线模型、近区域和远区域模型。直线模型是在近区域范围内假设路边是两条平行线的最简单模型。曲线模型有回旋曲线和抛物线模型。道路模型的构建可以有助于道路区域的重建，道路模型的准确度和复杂度将直接影响监测的实时性和准确性。根据导航的实时性要求，复杂道路模型的构建需要计算量上的代价很大，而实时进行的道路检测，导航系统当前行驶区域主要由靠近区域决定，对于消失点附近的道路检测是可以忽略过去。

　　3 特征融合的道路检测

　　3.1 车道线参数提取

　　Hough变换是众多直线提取法中最常用的一种，具有抗噪性能好和算法稳定等优点，可以将曲线上的各虚线和小抖动经过变换后可以在参数空间有清晰的峰值，将空间图像内检测直线的问题转换到参数空间内检测点的问题，简化了运算。

　　3.2 车道线检测方法

　　道路检测的算法主要有三种：基于彩色图像分割法、基于灰度图像的车道线检测跟踪算法、神经网络法。彩色图像分割法是利用彩色图像的RGB空间原理，适合非标准车道的标记线，但是这种分割路面和费路面的标准还在摸索阶段，不成熟，但是图像色彩的HSG可以有效分类道路和非道路；车道线检测最主流的方法是灰度退昂的车道线检测与跟踪算法，可以充分利用车道线提供的灰度信息，但是在复杂环境下不能准确识别车道信息；神经网络法是典型的车道线检测法，可以对半结构化道路和非结构化道路进行跟踪，但是在智能车的辅助作用下不能很好的体现，等级较高的道路上效果不理想。

　　4 小结

　　基于视觉的道路检测最终要的就是视觉导航，紧密与领域链接起来，前景非常更广阔的。虽然我国目前在道路检测上已经取得了一些进展，但是由于诸多限制因素的存在，如研究水平、时间问题以及实际的工程应用存在差距，道路检测依旧是一个需要不断补充完善的领域，需要更多的高新技术和思想融入其中，让智能视觉导航从理论和模型上走向实际使用。