全地形机器人由于其“全地形”的能力,能够适应各种复杂道路情况,合适的感知定位导航方法是全地形机器人能够灵活自主完成任务的基础。本文针对全地形机器人,设计了一种轻量化双目环境感知网络,并利用该感知网络改进仿生Ratslam模型,提高了视觉导航系统精确性,基于改进的Rat SLAM模型和语义视差感知数据设计适用于全地形机器人的全局和局部路径规划算法。主要工作如下:1.模拟人类双目视觉的两条通路,提出了一种语义视差双分支的轻量化双目感知网络（LSEPNet）。基于轻量化网络结合ASPP结构设计两分支特征提取网络,利用注意力机制特征融合模块融合两分支特征,并利用低分辨率语义和视差图构建联合损失结合各自分支损失函数一起训练整个网络,该网络同步输出语义图和视差图。在Kitti2015和Citiscapes数据集上进行实验,证明LSEPNet能够同时完成语义分割任务和视差估计任务并做到速度与精度的兼顾。2.通过对RatSLAM系统的结构以及特点的分析,针对Rat SLAM模型在动态环境、光照变化、大视角匹配情况下建图不精确的问题,提出了一种适用于全地形机器人的改进Rat SLAM模型。该模型将环境感知网络输出的视差图和语义图作为输入,在视觉里程计方法上提出了无需其他尺度信息的语义ORB里程计方法;在局部场景细胞上,增加深度场景模板以降低光照的影响,同时在局部场景细胞中额外存储道路语义描述子、ORB特征,为回环检测和路径规划提供数据;在经历节点回环检测上,在原检测流程中增加了一个ORB大视角匹配的流程。通过在Kitti数据集上的实验,证明了改进的Rat SLAM系统建图更加精确。3.针对全地形机器人全地形的能力,设计适用于全地形机器人的路径规划算法。首先提出了一种基于语义经历地图全局路径规划方法,基于改进的Rat SLAM模型构建语义经历地图,改进Dijkstra算法使全地形机器人能够根据机器人路径偏好选择合适路径;然后基于RRT算法提出了结合可行驶区域和机器人通过能力的局部路径规划算法,通过语义图提取可行驶区域并进行局部路径规划,同时在每段路径规划时融入视差图,判断规划路径的道路情况是否符合机器人的可通过能力。通过仿真实验证明了改进的全局和局部路径规划算法的可行性。