21世纪以来,随着机器人技术的不断发展,自主移动机器人得到了广泛的应用。如何保障机器人在复杂工作环境及有限硬件算力资源的情况下,机器人拥有对障碍物全方位的、实时的检测避障能力是当下自主移动机器人避障技术的研究热点之一。本文针对上述问题设计完成一套基于RGB-D的自主移动机器人避障系统。该系统在可以在Jeston Nao运行良好,能为自主移动机器人提供可靠的、实时的、全方位的避障,保证自主移动机器人的运行安全。本文的主要工作如下:1.设计并实现了移动机器人前置避障子系统。前置避障子系统相机安装位置较高导致获取的深度图精度较低,为完整检测出机器人前方障碍物,本文首先提出基于改进RANSAC算法拟合地面并利用改进后背景差分算法提取出障碍物,然后结合凸包面积信息、空间三维信息与AlexNet模型推理信息共同验证障碍物以降低误检率,最后计算障碍物距离并进行滤波输出。前置避障子系统能在复杂环境下,实时检测机器人前方障碍物,并拥有在高速度下对低矮障碍物检测的能力。2.设计并实现移动机器人后置避障子系统。后置相机安装位置接近地面可以获取高精度的深度图,但却会使“空洞”数据增多。所以本文首先通过预处理提高深度图的质量,接着利用背景差分法和基于三维信息及空间阈值的障碍物检测法完整的提取出障碍物,最后利用FAST角点检测算法进行障碍物验证降以低误检率。后置避障子系统能够完整的分割出障碍物并稳定运行。3.设计并实现特殊障碍物检测子系统并完成整个视觉避障系统的集成。前置避障子系统检测距离有限且无法判断障碍物优先级,本文基于YOLOv5s框架实现对于特殊障碍物的识别,并设计运动补偿弥补检测速度的不足,实现对特殊障碍物的“实时”检测。最后基于ROS操作系统集成各个子系统,最终实现完整视觉避障系统。完整视觉避障系统能为机器人提供全方位避障,并在Jeston Nano上稳定运行。