视觉导航技术是近些年来随着传感器技术、计算机技术和人工智能的发展而兴起的一个研究领域,在军事和民用方面都有着广阔的应用前景。对于在户外非结构化环境中的移动机器人视觉导航来说,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是关键。本文对户外光线较复杂环境中的视觉导航与路径规划进行了探索与研究。根据户外路面区域识别易受阴影干扰的情况,制定了多个颜色空间,通过对视觉图象进行多空间分析-分类-分析的循环方式,将原图象按颜色分成多个子类。该算法可以将阴影下的路面准确地聚为一类,解决了导航时阴影对路面的干扰问题。另外,为了获取直线型道路的边缘,利用Canny边缘检测器和Hough直线检测器,完成环境中的直线特征提取,并根据道路边缘特征和颜色特征进行道路边缘判断。针对户外环境道路理解问题,利用不确定知识的定性描述、核心区域提供的定量道路样本信息和道路直线边缘信息,完成对道路区域的正确判断。本文的道路理解算法弥补了仅利用不确定知识进行道路理解不够精确,而核心区域信息不能一般化的缺憾。实验表明,本文的道路理解算法是非常有效而且鲁棒的。在基于视觉的道路区域路径规划上,首先根据全局目标、道路方向和安全要求制定局部目标点,并根据视觉地图的特点,利用直线检测和栅格法相结合的方式确定行走路径。该方法在保证算法实时性的前提下,一定程度上解决了普通栅格法的路径最优问题。