1、在移動(dòng)機(jī)器人的各項(xiàng)研究中，導(dǎo)航是最基本及最重要的問(wèn)題，移動(dòng)機(jī)器人必須具備感知環(huán)境與自身狀態(tài)，并實(shí)現(xiàn)在有障礙物的環(huán)境中面向目標(biāo)的自主運(yùn)動(dòng)的能力，因此導(dǎo)航包含了面向目標(biāo)的運(yùn)動(dòng)及運(yùn)動(dòng)過(guò)程中的實(shí)時(shí)避障二個(gè)基本任務(wù)。本文以視覺(jué)傳感器為基礎(chǔ)，以視覺(jué)歸巢及障礙檢測(cè)為主要的研究?jī)?nèi)容，對(duì)導(dǎo)航的二個(gè)基本任務(wù)進(jìn)行了深入的研究。
　　 視覺(jué)歸巢基本思想來(lái)源于生物學(xué)中昆蟲(chóng)導(dǎo)航的研究，它通過(guò)比較當(dāng)前圖像與目標(biāo)圖像計(jì)算返回目標(biāo)的方向并以此指導(dǎo)機(jī)器人運(yùn)動(dòng)。相較

2、傳統(tǒng)的基于同步定位及構(gòu)圖的導(dǎo)航方法，該類(lèi)方法需要的存儲(chǔ)量及算法的復(fù)雜度都大大降低，因此成為極具吸引力的導(dǎo)航策略。然而目標(biāo)圖像是事先存儲(chǔ)，目標(biāo)與當(dāng)前圖像的拍攝時(shí)間可能相差很大，同時(shí)兩幅圖像的拍攝距離也可能較長(zhǎng)，路標(biāo)在圖像間存在光照、尺度、旋轉(zhuǎn)等多種變化，因此如何在光照強(qiáng)烈變化的情況下保持算法的實(shí)時(shí)性及魯棒性依然是當(dāng)前該領(lǐng)域面臨的難題。
　　 本文首先構(gòu)建了完善的視覺(jué)歸巢算法的測(cè)試方法及平臺(tái)，對(duì)當(dāng)前主要的視覺(jué)歸巢算法進(jìn)行了詳細(xì)的測(cè)試

3、分析及比較，同時(shí)揭示了視覺(jué)歸巢主要的兩類(lèi)算法：變形算法與RMS算法的內(nèi)在聯(lián)系，并在此基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了一種基于隨機(jī)思想的變形算法變體，在保持變形算法性能的基礎(chǔ)上，將計(jì)算效率提高一個(gè)數(shù)量級(jí)。
　　 為解決光照變化帶來(lái)的影響，本文提出一種邊緣高斯濾波器，它結(jié)合了基于特征提取匹配算法與基于原始圖像算法的優(yōu)點(diǎn)，借助于圖像整體匹配的思想，將所有特征的位置信息轉(zhuǎn)化為一幅新的圖像，并利用濾波圖像之間的量化差異來(lái)指導(dǎo)歸巢任務(wù)。一方面通過(guò)特征提取

4、來(lái)避免受到光照變化的影響，另外一方面避開(kāi)了復(fù)雜及易錯(cuò)的特征匹配過(guò)程。在光照劇烈變化的情況下，算法顯示了良好的性能。
　　 此外，針對(duì)非結(jié)構(gòu)化環(huán)境下的實(shí)時(shí)障礙物檢測(cè)問(wèn)題，提出了一種基于角點(diǎn)的立體視覺(jué)障礙物檢測(cè)方法。為提高角點(diǎn)提取與匹配的效率，采用基于Bresenham圓形模板和Moravec算法的兩步角點(diǎn)檢測(cè)與確認(rèn)方法，并利用稀疏模板與極性約束進(jìn)行角點(diǎn)匹配。考慮到單純基于高度的障礙物的定義及其檢測(cè)算法在月面等非結(jié)構(gòu)化環(huán)境下不再有效