许多基于图像的道路(边境)检测算法已成为全自动车辆导航系统的组成部分之一。大多数早期的系统很容易脱离周围环境，因为它们都集中在平坦的结构化道路后。美国国防部高级研究计划局提出的一个大挑战, 在莫哈韦沙漠一个自治的越野车之间的竞争,许多道路检测算法试图处理越野条件。虽然这在专业系统检测单个道路的课题上取得了重大进展，在提出一个通用的算法来检测多种类型的道路方面却进展甚微。 道路分割的任务是将图像中的道路区域以及非道路区域进行区分，它利用了图像处理和模式识别技术对道路图像进行处理，是智能交通的一项关键技术。因为汽车行驶十分高速，交通事故发生率也非常高，这对人们的生命财产安全都会产生重大威胁，这就要求道路检测要准确快速，所以道路分割算法也要求达到实时性和准确性。此外，因为汽车在实际行驶中的道路路况各不相同，而且图像因素会受到光照、天气等大量环境因素的干扰，这又要求道路分割具有鲁棒性。所以，实际情况对道路分割算法的要求十分严格，它需要解决实时性、准确性和鲁棒性。在现在已有的大量道路分割算法中，基于消失点估计的方法在各方面脱颖而出，因为它在各种复杂道路环境下都有着良好的鲁棒性，所以它受到研究人士的广泛关注，投入了大量的实验，是研究的重要方向。80161

对常用的消失点检测算法按照使用原理进行分类，可以分为三大类：第一类使用了空间变换技术，所谓空间变换技术，就是把图像上的信息变换到一个有限的空间上去，这一类技术有高斯球变换、Hough变换等；第二类算法是利用直线的信息，直接在图像平面上进行消失点的检测，但是这个算法计算量比较大，计算也相对复杂，因为它需要对图像上存在的每一对直线的交叉点进行计算；第三类是用统计估计的方法，它直接对图像边缘的直线参数进行估计，对这些参数进行计算，获得道路消失点，或者根据消失点和图像边缘特征点构造代价函数，同时估计获得直线和道路消失点。