随着社会的进步，视障群体越来越受到大众的关注。为了提高盲人的自理能力，研究盲人辅助技术具有十分重要的意义。本文针对盲人在实际使用盲道过程中遇到的问题，研究了基于计算机视觉的盲人盲道行走辅助中的关键技术，包括：相机自运动参数估计、盲道分割和行走辅助信息提取等。　　 为了提高相机自运动参数估计的实用性，提出了一种对匹配误差噪声具备鲁棒性的相机自运动参数估计方法。首先利用相机运动特性约束条件，对匹配结果进行优化，以减小图像间关键点的误匹配。然后采用多种算法计算基本矩阵参数，并从中选择最合理的计算结果，实现相机自运动参数的鲁棒性估计。在设计盲道分割算法时，需要考虑以下两种情况：盲人不知道盲道在哪里，需要自动从场景中分割出来。盲人站在盲道上，需要分割出图像视野中盲道的其它部分。针对前一种情况，设计了基于颜色聚类和直线边缘限定的自动盲道分割算法，该算法对光照条件变化等因素引起的盲道颜色特征变化具有鲁棒性。针对第二种情况，提出了基于半监督学习的盲道分割算法，该算法利用盲人的主动能力来获取少量盲道样本点，实现了盲道的分割。此外，还对从分割好的盲道中提取行走辅助信息进行了相关的研究，提出了一种检测盲道是否有拐向和盲道是否到达终点的方法。并对上述所有算法进行了实验验证，结果证明了这些方法的有效性。　　 本文主要针对基于计算机视觉的盲人盲道行走辅助中的关键技术进行了研究，研究结果可以为进一步设计盲人盲道行走辅助系统提供理论支撑。