針對(duì)智能車輛在非結(jié)構(gòu)化道路識(shí)別中需要采用眾多的特征參數(shù)，增加了特征融合識(shí)別難度與計(jì)算復(fù)雜度，并且部分背景與道路區(qū)域存在相似性會(huì)產(chǎn)生道路識(shí)別的誤分、誤判的問(wèn)題，提出了一種基于主成分分析的支持向量機(jī)（ PCA-SVM）準(zhǔn)則改進(jìn)區(qū)域生長(zhǎng)的非結(jié)構(gòu)化道路識(shí)別算法。首先，對(duì)非結(jié)構(gòu)化道路顏色、紋理等復(fù)雜特征信息進(jìn)行提取，采用PCA對(duì)提取的特征信息進(jìn)行降維；然后，利用降維后的主元特征對(duì)SVM進(jìn)行訓(xùn)練后作為復(fù)雜道路單元格的分類器。利用道路位置、起始單元格等先驗(yàn)知識(shí)以及道路邊界單元格統(tǒng)計(jì)特征改進(jìn)區(qū)域生長(zhǎng)方法，在單元格生長(zhǎng)時(shí)利用分類器判別，排除誤判區(qū)域。實(shí)際道路檢測(cè)結(jié)果表明，所提算法具有較好的魯棒性，能夠有效識(shí)別非結(jié)構(gòu)化路面區(qū)域。對(duì)比結(jié)果表明，所提算法在保證準(zhǔn)確率的同時(shí)，將10余維復(fù)雜特征信息壓縮為3維主元特征，相比傳統(tǒng)算法可縮短計(jì)算時(shí)間一半以上。針對(duì)背景與道路相似區(qū)域造成的傳統(tǒng)算法lOqo左右的誤判問(wèn)題，所提算法能夠有效排除。在野外環(huán)境下基于視覺(jué)的局部路徑規(guī)劃與導(dǎo)航方面，所提算法為縮短識(shí)別時(shí)間、排除背景干擾提供了可行途徑。