La detección automática de grietas en la superficie de la carretera es una tarea crucial en el mantenimiento de carreteras, pero la complejidad de la topología de las grietas y la susceptibilidad de los resultados de detección a la interferencia ambiental la hacen desafiante. Para abordar este problema, este artículo propone un método automático de detección de grietas basado en agrupamiento por densidad utilizando bosques aleatorios. Primero, se propone un método de eliminación de sombras basado en la división de brillo para abordar el problema de las condiciones de iluminación que afectan los resultados de detección en imágenes de carreteras. Este método compensa el brillo y mejora los detalles, eliminando sombras mientras preserva la información de textura. En segundo lugar, al combinar el algoritmo de bosque aleatorio con el agrupamiento por densidad, se reduce el impacto del ruido en la extracción de grietas, lo que permite la extracción y selección completa de la información de grietas. Esto supera las limitaciones del método de bosque aleatorio, que solo detecta información de los bordes de las grietas con baja precisión. El algoritmo propuesto en este artículo fue probado en los conjuntos de datos CFD y Cracktree200, logrando una precisión del 87.4% y 84.6%, tasas de recuperación del 83.9% y 82.6%, y puntuaciones F-1 del 85.6% y 83.6%, respectivamente. En comparación con el algoritmo CrackForest, mejora significativamente la precisión, la tasa de recuperación y la puntuación F-1. En comparación con los algoritmos UNet++ y Deeplabv3+, también logra mejores resultados de detección. Los resultados muestran que el algoritmo propuesto en este artículo puede superar eficazmente el impacto de la iluminación desigual y las estructuras topológicas complejas en la detección de objetivos de grietas, mejorando la precisión de la detección de grietas en carreteras y superando algoritmos similares. Puede proporcionar apoyo técnico para la detección automática de grietas en la superficie de la carretera.