室外移动机器人是一种能够在道路和野外连续地、实时地自主运动的智能移动机器人,其研究涉及多个学科的理论与技术,体现了信息科学与人工智能技术的最新成果,具有重大的研究价值和应用价值。在室外移动机器人的各项关键技术中,视觉导航的研究涉及到计算机视觉的各个主要方面,是一个有难度的综合性课题。视觉导航的基本任务是根据获取的视觉信息正确识别出道路区域和非路区域(障碍物和背景)并规划出到达局部目标的合适路径。由于室外环境的复杂多变以及图像数据量大、处理耗时,直接导致视觉导航系统的实时性和鲁棒性得不到满足。本文旨在提高视觉导航系统的实时性和鲁棒性,对室外移动机器人的道路检测算法、障碍物检测中的立体匹配算法以及避障路径规划算法进行了探索与研究。首先为了能够准确、鲁棒、及时的检测道路区域,提出了一种基于归一化RGB值的道路检测算法。考虑到道路环境的复杂多变,很难研究出一种能够普适的道路检测算法,因此本算法主要针对路面呈中性灰的道路环境。通过研究光照和阴影下路面的归一化RGB值的相互关系,得到道路区域象素点的颜色分布规律,然后利用区域增长法从复杂光照条件下的道路图像中检测出道路区域。由于只需要考虑每个象素点的归一化RGB值,因此该算法实时性较好,且对光照变化及阴影干扰有较强的鲁棒性。为了进一步提高视觉导航系统的实时性并拓宽其应用范围,又提出了基于彩色特征及图像分块处理的道路检测算法。彩色特征的内在规律使得该算法能够很好的适应存在光照变化及阴影的复杂环境,图像的分块处理相当于降低了图像的分辨率,大大提高了算法的实时性,同时也消除了小面积的水迹和灰尘的干扰。最后用改进的连通性检测算法对区域增长得到的道路区域进行检测。其次,对区域法立体匹配中的度量因子和相关窗口的选择进行了定性及定量分析,并指出在移动机器人导航应用背景下应如何进行选择。另外,针对匹配算法的实时性和鲁棒性要求,提出了相应的改进方法:利用路面平坦约束和图像重投影技术进一步缩小道路检测算法得到的可疑障碍物区域,减小待匹配的图像区域;利用象素点的递归运算去除冗余的匹配运算量,实现相关窗口尺寸与匹配算法复杂度的解耦;利用外极线约束和提取出的障碍物区域的约束,大大缩小了视差的搜索范围;引入唯一性约束、最小匹配值的尖锐度约束及特殊性约束,在消除双向匹配计算量大、耗时的同时,消除了重复图案及弱纹理区域的影响,减少了误匹配的出现。最后,针对传统的室外移动机器人避障路径规划算法对复杂环境适应能力差的问题,分别提出了基于改进人工势场法的避障路径规划算法、基于障碍物包围盒及相对速度的避障路径规划算法、基于碰撞危险度及模糊逻辑的避障路径规划算法。第一种方法通过引入碰撞时间参数、碰撞角度约束及局部波动函数,克服了无谓碰撞、局部最小及无法成功到达附近有障碍物的目标点等动态环境中存在的问题;第二种方法通过构造障碍物包围盒得到障碍物相对机器人的碰撞方式,然后利用两种不同的避障策略成功实现动态避障;第三种方法是在第二种方法的基础上,引入模糊逻辑的概念,设计了一个以障碍物与机器人的碰撞危险度及障碍物与机器人的碰撞状态为输入,机器人的转向角和加速度为输出的多输入多输出的模糊控制系统。随后给出的计算机仿真结果充分说明了这些方法的有效性。