随着机器人技术的迅猛发展和应用场合的日渐扩大,野外自主导航机器人由于其应用领域的特殊性和军事价值,越来越受到各国研究人员和专家的重视。对场景的理解和场景中障碍物的识别是野外机器人研究的一个重点。本文对于野外环境常见的两类障碍物,即阻挡类障碍物和水体障碍物的检测方法进行了研究。对于场景中的阻挡类障碍物,本文通过双目立体视觉来进行检测。详细讨论了立体视觉的成像原理,摄像头的标定和矫正方法,着重分析了立体匹配的原理和难点,比较了OpenCV函数库中的BM、 SGBM、GC三种立体匹配算法的匹配效果和实时性,最后选取效果和实时性都较好的BM算法作为机器人系统的匹配算法。利用匹配得到深度信息,进而获取环境障碍物位置。对于野外常见的水体障碍物,本文使用两种不同的方法进行检测。第一种为融合水体纹理信息和颜色渐变特征的检测方法,通过实验阐述了这种方法的有效性和相对于以往基于亮度信息这种传统方法的优势。第二种为利用环境偏振特性的方法,文中详细阐述了偏振光的形成原理并分析了野外水体的偏振特性,说明可以利用图像的偏振信息对水体区域进行分割,并通过实验数据证明了这种方法的可行性。最后通过比较一系列数据,分析两种不同水体检测方法的优缺点和适用范围,并最终确定使用偏振方法来进行水体的检测。论文根据所使用的AS-RF机器人硬件和软件平台,提出了一种将环境的偏振信息和深度信息同步采集的方法,阐述了其原理和具体硬件搭建方法,最后利用采集的数据检测场景的阻挡类障碍物和水体障碍物位置信息。实验表明这种结合方法对于阻挡类障碍物和水体的检测成功率均能达到90%以上,精度满足野外机器人使用的要求,证明这种联合检测方法是可行和有效的。