移动机器人实现自动避障是机器人研究中的最重要内容之一,本文以基于单目视觉技术实现移动机器人自动避障为研究内容,围绕基于单目视觉技术实现移动机器人避障过程中的障碍物目标识别、障碍物测距和避障三个关键环节进行算法改进和算法优化组合。具体研究内容如下:首先,针对在障碍物检测和识别步骤中传统基于灰度图像分割的方法识别效果差的问题,本文改进了传统基于灰度图像分割的障碍物识别方法,采用了一种彩色图像分割算法的障碍物识别方法,利用基于HSI颜色模型的序列分割算法来完成图像分割,在其间,针对外界光照条件不足容易对图像分割结果产生影响的问题,采用了针对亮度空间I在阈值分割前先进行一次非线性优化的做法,同时还能解决同一幅图像中因光照不均匀而影响分割结果的问题。其次,针对障碍物测距环节中存在的传统做法步骤繁琐计算量大的问题,本文首先建立了基于单目视觉的目标测距模型,然后进行了摄像机内部参数估算(摄像机标定)、摄像机俯仰角计算等问题的研究。在摄像机标定问题上本文采用了经典的张正友摄像机标定方法,加上Levenberg-Marquardt非线性参数优化方法完成较准确的摄像机参数估算;在摄像机俯仰角计算问题上本文创新性的提出了一种基于地面正圆形和成像后椭圆形的几何关系实现快速、准确的计算摄像机俯仰角。再其次,针对在避障和路径规划环节中传统人工势场算法存在局部最小点和目标不可达问题,本文首先提出了对人工势场算法的改进,即在机器人陷入局部最小点时,给斥力一个角度扰动量;考虑到机器人到达目标之前有可能会多次陷入同一个障碍物的周围的局部最小点,于是又提出了在局部最小点周围设置虚拟局部最小区域的概念。最后采用遗传算法对参数取值进行优化,以避免参数取值的随意性。最后,介绍了基于单目视觉技术实现移动机器人避障的综合试验及结果分析,试验硬件平台是轮式智能小车,软件程序方面是在结合OpenCV视觉库和代码包基础上,编码实现本文的相关算法。通过试验验证了本文基于单目视觉技术的移动机器人自动避障算法的可行性和有效性,表明了本文所设计的算法有一定的先进性。