视觉辅助导航是移动机器人导航的热点之一,其中道路和道路中车辆的检测是视觉导航系统的重要组成部分。它融合了图像处理、模式识别、人工智能等相关领域的成果,在视频监控、机器人导航、智能汽车驾驶等许多领域有着广泛的应用,因此该课题具有重要的理论意义和广阔的实用价值。论文从介绍单目视觉系统结构设计和软件设计入手,介绍了各个模块的功能实现方式,提出了摄像机的标定技术,且详细论述了各个参数的标定方法。基于单目摄像头捕获的道路与车辆图像,为了提高系统检测识别的快速性和准确性,分别提出了一种非结构化道路边缘检算法和一种动态车辆的检测算法。对于非结构化道路的检测:首先对原始道路图像进行中值滤波,抑制随机噪声;然后选择基于双峰法的Otsu多阈值分割方法进行图像分割,使分割效果和分割时间得到优化;最后通过Canny算子对分割后的图像进行初次边缘检测,然后在此基础上采用数学形态学修正,最终得到完整、清晰的道路边缘图像。对于运动车辆的检测算法:首先,提取车道边缘,由车道边缘得到道路区域,根据经验知识在车道区域内确定感兴趣区域,减少车辆检测算法搜索范围;接着基于车辆的对称性特征,阴影和边缘特征对兴趣区域进行过滤,进一步缩小感兴趣区域;最后用离线训练好的Adaboost分类器对过滤后的图像进行分类识别,检测出动态的车辆。对单目摄像头采集的道路和车辆图像,基于OpenCV函数库,利用Visual C++进行算法实现。仿真结果表明上述算法使系统具有较好的实时性、准确性和鲁棒性。