科学技术的发展，诞生了机器人。社会的进步也提出要求，希望创造出一种能够代替人进行各种工作的机器，甚至从事人类不能及的事情。自从1959年诞生第一台机器人以来，机器人技术得到了长足的进步和发展，至今已成为一门集机械、电子、计算机、控制、传感器、信号处理等多学科门类为一体的综合性尖端科学。 本文的研究工作是紧密围绕着智能机器人中的两大关键技术：视觉技术和数据融合技术来开展的。在第一部分研究内容中，重点研究智能机器人的视觉信息处理问题。机器人视觉系统一般需要处理三维图像，而视觉传感器只能得到二维图像。为了解决这个问题，人们研究了很多方法，如多镜头法、结构光投射法等，但其算法烦琐，不能满足移动机器人实时性的要求，可见开发简单而有效的办法是很重要的。另外由于摄像机的视角是有限的，可视范围小，获取的信息量有限，缺乏获取全局与大尺度信息的手段，从而具有一定的局限性。针对这两个问题，本文提出用单视觉传感器获取环境信息以及利用全景传感器来扩大摄像机的可视范围。在第二部分核心内容中，作者对智能机器人的数据融合技术进行了深入的研究。为了解决机器人的障碍检测问题以及机器人物体识别中的数据超载和不确定性问题，将多目标跟踪理论和粗糙集理论引入到机器人的数据融合技术中，提出了相应的融合算法。 本文的主要工作和贡献如下： 研究了智能机器人的视觉信息处理方法。根据摄像机透视映射原理，进行逆换算得到逆透视映射，进而提出了利用单摄像机获取环境深度信息的方法，简化了系统的结构。在此基础上提出了一种基于单视觉传感器的局部路径规划的控制算法，实现了移动机器人在不确定的环境中利用单视觉传感器实时地获取外部环境信息进行路径规划。 研究了基于全景视觉传感器的图像解算。针对传统的视觉传感器存在可视范围小等缺点，引入全景摄像机。说细讨论了全景视觉传感器的几何性质、实际设计中考虑的问题，并提出了基于全景传感器的图像解算算法。实验结果表哈尔滨工程大学博士学位论文明该方法从原理上是可行的，可以应用到万L器人的定位导航中。 研究了基于多传感器数据融合的障碍检测问题。将多目标跟踪理论和技术弓!入到障碍检测系统中，可以确定障碍物的准确位置。首先针对传统的数据关联方法存在的目标跟踪轨迹趋于合并的问题，提出了改进的联合概率数据关联方法，有效地解决了相距很近的目标之间的互联问题。然后在不考虑传感器的具体组成形式的情况下，直接从某个传感器可能得到的数据出发来讨论数据的融合问题。针对标准线性系统、一般线性系统和非线性系统提出了相应的优化融合算法。 研究了基于粗糙集理论的多传感器信息融合。利用粗糙集理论的属性约简、值约简、核和不完备信息系统等概念来进行多传感器信息的融合，除了传感器测量的数据之外，无需任何额外的信息。针对完备信息系统和不完备信息系统分别提出了相应的融合算法，为我们解决传感器数据超载以及不完整传感器信息融合提供了有效的方法。关键词:机器人视觉;数据融合;粗糙集;全景传感器;数据互联