移动机器人技术在科学探测、工业应用、救灾救险、军事等领域有着广泛的应用前景。视觉辅助导航是移动机器人导航的热点之一,其中道路检测和障碍定位是视觉导航系统的重要组成部分。本文研究了基于图像的道路检测和障碍物定位算法。论文介绍了移动机器人视觉导航系统的研究背景、意义和历史、现状。以针孔模型作为摄像机模型,介绍了一种摄像机标定方法,即基于多项式的摄像机标定算法,并阐述了该方法的原理。同时,应用该方法对摄像机进行标定,建立了移动机器人的坐标系统。研究了常用的图像预处理算法,根据本文中图像处理的具体要求,选取了合适的图像预处理算法,即直方图均衡、快速中值滤波算法、Sobel边缘检测方法和最大类方差自动阈值法。分析了目前常用的道路检测算法的优点和缺点,结合本文常用的道路环境,提出了将边缘信息和道路颜色信息相结合的方法,该算法的中心思想是利用道路颜色信息检查边缘的真伪。针对前人利用颜色特征进行道路区域识别中应用了大量的不确定性知识而导致算法复杂、鲁棒性差的缺点,本文提出了道路中心区域的概念,制定了道路直线边缘的理解规则,将边缘检测方法的简单快速性和基于颜色信息的准确性有机结合到一起,并应用到障碍物定位算法中。针对传统Hough变换的局限性,本文提出了新的Hough变换改进算法,采用参数空间到图像平面的反馈,检测出线段的两端点,并能克服内部间断点的影响,解决了障碍物精确定位的问题。本文设计开发了基于VFW软件包的移动机器人实时视频采集系统,搭建了基于Visual C++算法实验平台,利用采集的多种场景下的实际道路图像,验证了道路检测方法的有效性。