视觉是人类认知世界中最重要的功能手段。学研究表明，人类获取外部信息的75%依赖视觉系统，在驾驶环境中，这一比例高达90%。如果能把人类视觉系统应用到自动驾驶领域，作为目前计算机科学和自动驾驶领域最受欢迎的研究方向，机器视觉技术的准确性将大大提高。障碍物检测的准确性是车辆自动驾驶中安全的重要保证。行驶中障碍物的出现是不可预测的，不能根据现有的电子地图避开障碍物，只能在车辆行驶中及时发现和处理。目前，由于自动驾驶环境的不成熟，对障碍物的定义没有统一的标准。

  因此，可以认为，任何可能妨碍车辆正常行驶的物体和任何可能影响车辆通行的异常地形都是车辆行驶中的障碍物。目前障碍物检测算法主要有三种：1.基于特征的障碍物检测基于光流场的障碍物检测；3.基于立体视觉的障碍物检测。因为在三种算法中，基于立体视觉的障碍物检测不需要对障碍物有先验知识，对障碍物的运动也没有限制，可以直接获得障碍物的实际位置，成为主流研究方向。但是对摄像机标定要求很高。车辆行驶过程中，相机补偿参数会移动，因此需要动态校准相机。
  自动导航是自动驾驶的必要条件，在自动驾驶过程中，道路检测主要是为了控制车辆按照正确的路线行驶，确定车辆在道路上的位置和方向。另外，确定后续障碍物检测的搜索范围，缩小障碍物检测的搜索空间，降低算法的复杂度和误码率。但是，由于实际道路多种多样，受光照、气候等多种环境因素的影响，道路检测是一个非常复杂的问题。到目前为止，还没有一个通用的算法，现有的算法基本上对道路做了一定的假设。常用假设如下：1特定关注领域假设；二路等宽家庭；三路平坦家庭。此外，道路平整假设为障碍物定义提供了参考。