如今,越来越多的机器人被应用在日常生活中。随着人工智能和图像处理技术的高速发展,越来越多的人也开始投入到视觉机器人的研究行列当中。本文主要研究视觉机器人在静态室内环境下的导航。首先应用单目摄像头获取机器人所在环境的图像,然后进行图像处理,提取特征点和障碍物。通过提取的特征点,应用尺度不变特征转换算法进行目标识别,识别出图像中的路标;通过摄像头3D距离计算公式得到机器人与障碍物和路标的距离。然后通过获取的路标对机器人进行定位,获取机器人的具体位置。本文针对移动机器人在定位过程中,传感器测量误差和机器人位姿误差导致系统定位精度急剧下降,提出一种多新息卡尔曼滤波算法。在标准卡尔曼滤波的基础上,引入抗差权因子和自适应因子抵制测量误差和位姿误差。同时,引入多新息,即多个时刻的新息向量,进一步提高系统的精度。最后通过模糊神经网络实现机器人的路径规划,使机器人可以从出发点避障并找到一个最优路径到达目标点。本文路径规划采用全局路径规划和局部路径规划相结合的路径规划方法。机器人在确定自己位置后利用全局路径规划寻找一个最优子目标点,然后利用模糊神经网络控制器对机器人进行局部路径规划,依次循环,直到机器人到达最终目标点。通过栅格法建立仿真环境,在无障碍物环境、少量障碍物简单环境和大量障碍物复杂环境三个环境验证算法的可行性。仿真结果表明本文算法可以使机器人从出发点快速找到一条最优路径到达目标点。