障碍检测与规避是火星着陆任务中的关键技术。能否精确获取着陆区障碍物信息并进行有效地规避直接关系到安全着陆区的选择并影响后续科考任务的进行。因此有必要展开火星表面障碍检测方法的研究,本文依托国家973项目“行星表面精确着陆导航与制导控制问题研究”支持,以解决火星探测器障碍检测需求为主要目的。结合具体任务背景,立足拓展新的理论与应用方法,系统研究了基于主、被动视觉的火星表面障碍检测问题。论文主要研究内容包括如下:研究了地形曲面重建与障碍检测技术。1)针对地形起伏导致的地形基准曲面建模困难,提出了基于多尺度薄板样条插值的地形曲面拟合方法。新方法在较高障碍物丰度下依然能够保持良好的地形重建精度。算法假设局部窗口最低点为地面(控制)点,通过降采样建立地面点层级结构。获取最低分辨率下的地形TPS曲面,利用自适应阈值自上而下更新各尺度地面点集。通过最底层数据建立的TPS曲面生成高分辨率地形基准曲面。2)考虑主动敏感器测距误差与探测器自身障碍阈值的可比拟性,提出了自适应阈值估计因子。算法结合聚类分析思想,采用混合高斯模型理论,考虑残差数据的统计分布特性,推导出具备阈值调节因子的内点尺度估计子。3)鉴于二值化地形评估策略对障碍物安全/危险程度描述能力有限,设计了连续的障碍物评价函数。相比于二值化方法,新方法不但能够评估地形安全性,还能够反应其安全程度,表征连续的障碍物分布态势。仿真结果证了上述算法的有效性。研究了快速、稳健地形平面拟合技术。对于地形相对平坦或小尺寸地形区域,障碍检测关键技术为如何在未知障碍物丰度下快速、稳健地拟合地形平面。本文提出了具备快速收敛能力的自适应残差尺度因子。算法采用RANSAC技术获取粗糙内点数据,利用所提自适应尺度因子对该数据集进行进一步取舍、更新获得保守内点集合。以此集合建立的地形平面能够最大程度的剔除障碍物,保证算法在不同障碍物丰度下的鲁棒性。研究了简洁、高效的岩石检测技术。充分考虑了星载计算机数据处理能力及内存容量限制,采用区域级图像处理策略取代了当前的像素级岩石检测框架。将岩石检测问题转化为区域前景增强问题,提出了基于区域对比度的岩石检测算法。针对在线计算要求,仅采用少数特征建立区域对比度模型。超像素分割与少数特征显著降低了内存占有率和算法计算时间。仿真结果表明,所提算法能够快速且较为精确地检测岩石。此外,探索了在未来星载计算机硬件水平提高的背景下,多尺度对比度融合策略,有效解决了有限超像素个数可能产生的岩石边界误差,数值仿真结果表明,多尺度对比度融合策略显著提升了岩石检测精度。研究了基于多特征的岩石检测技术。以统计学特征为主,建立了具备良好岩石/土壤区分度的多维特征描述子,采用非监督学习的方式,在两种策略下建立了火星背景土壤特征模型:1)采用主成分分析技术对冗余特征进行取舍;2)采用稀疏编码技术对标记样本进行取舍。相比于有限特征,多维特征显著提升了岩石/土壤对比度及检测精准率。在此基础上,采用最小二乘算子对对比度数据进一步优化,采用贝叶斯理论实现了两种策略下的对比度的融合。仿真结果验证了上述算法的有效性。