随着社会发展和科技的进步,机器人在各行各业得到了广泛的应用。现代建筑中,楼层与楼层之间的移动主要依靠电梯实现,但目前主流机器人的移动多以平面路径规划为主,机器人缺乏自主乘坐电梯能力,在其使用场景方面会受到了诸多限制。由此可见,让机器人拥有自主乘坐电梯的能力有着重要的意义。目前只有少量的机器人采用植入与电梯连接的芯片的方式,通过调度实现乘坐电梯,但是这种方法必须要单独定制每部电梯和机器人,造成了经济以及人力上的浪费。本文设计了一种基于视觉引导的机器人乘坐电梯算法,主要完成了两个任务,一是使机器人感知当前处于楼层中的第几层,二是使机器人完成按键操作。本文完成的主要工作有:通过对实际电梯场景的分析,使用卷积神经网络作为数字分类器算法,设计了一种适用于电梯内楼层数字识别与按键数字识别的分类器,该分类器具有参数量小、运行速度快和正确率高的特点。随后使用迁移学习的方法优化了楼层数字分类器与按键数字分类器,仿真结果表明迁移学习的方法对楼层数字识别与按键数字识别效果有着较大的提升,最终获得了具有较高正确率的楼层数字分类器与按键数字分类器。设计了一种适用于电梯轿厢或室内的数字目标检测算法GCC-CNN(Gauss Canny Contour Convolutional Neural Networks)。该算法解决了楼层数字检测问题与按键面板数字检测问题。GCC-CNN算法步骤包括高斯滤波、边缘检测、轮廓检测和卷积神经网络识别。对按键检测任务中出现的反光或者光照不足的问题进行了改进。完成了电梯楼层数字按键在机械臂坐标系下三维坐标计算,使机器人可以完成按键操作。首先进行了立体视觉相关算法的研究,随后完成了本实验双目相机的标定,得到了左右相机的内参数与畸变参数,最后使用三角测量算法完成了按键位置在相机坐标系下的计算,使用坐标系转换方法将按键位置转换至机械臂坐标系中的位置,使得机械臂可以根据算法结果进行按键操作。最后对算法进行了测试与实时性分析,实验结果满足了机器人乘坐电梯过程的要求。结果表明,本文的算法有较佳的工程参考价值。