利用视觉传感器进行目标识别是移动机器人学研究的热点问题之一,关键问题是如何从信息量巨大的视频图像中提取有效特征,即如何利用一种快速有效的目标识别算法,实现移动机器人在复杂自然环境中的目标识别任务,并能同时满足机器人自身运动中实时性和灵活性的要求。本论文研究了基于单目视觉的移动机器人目标识别问题。在研究大量目标识别算法的基础上,从如何提取不同的图像特征出发,实现了基于改进的彩色图像分割算法的特定颜色目标识别和地面约束的目标定位；并研究了基于局部特征提取和匹配的目标识别算法,利用基于ORB (Oriented FAST and Rotated BRIEF)特征的目标识别算法,快速实时识别特定目标；针对纹理不丰富物体的识别问题,本文提出一种改进的利用主导梯度方向作为模板特征进行匹配的目标识别算法,在线实时多角度识别同一个物体并能同时识别多个不同物体。完成的主要工作如下：首先,分析了移动机器人目标识别问题的研究背景和意义,综述了目前基于视觉信息的目标识别问题的国内外研究现状以及存在的主要问题,简单介绍了本论文的主要内容和章节框架；第二,针对研究的初始阶段需求,提出利用图像全局特征中简单的颜色特征,采用一种改进的基于HSV模型的彩色图像分割算法,并融入形态学开闭运算,完成了对彩色图像中特定颜色目标的分割,并选取目标所在区域最低点代表待识别目标,进一步利用基于地平面约束的摄像机模型,完成了对目标的定位工作。此种目标识别方法算法过程简单,适用于精度要求不高、背景相对简单、待识别物体颜色突出的场合。第三,针对目前目标识别领域应用广泛的基于局部特征的SIFT特征提取和匹配算法运算量大、特征维数较高、特征向量匹配复杂,并且在硬件资源有限的条件下不能满足实时性要求高的移动机器人视觉系统的缺点,提出利用一种快速兴趣点检测算子FAST与改进的基于二进制位的兴趣点描述算子BRIEF相结合的高性能的算法——ORB算法作为局部特征提取算法,通过相似场景在发生旋转、存在高斯噪声情况下的实验,验证了ORB、SIFT> SURF三种算法的特征匹配性能；并通过ORB与SURF算法特征匹配对比实验验证了ORB运行速度能达到SURF算法的5-10倍,并且该算法可以通过控制提取特征点的数目满足实时高效识别要求,为移动机器人目标识别问题提供了一种崭新的方法。第四,针对基于局部特征提取的目标识别算法存在的对纹理不丰富物体识别效果差、并不能同时多角度识别同一物体的问题,提出利用一种改进的基于模板匹配的在线目标识别算法,该算法利用梯度特征作为模板特征,通过相似性度量完成聚类分析,能够完成在实时视频中快速学习获得模板匹配结果,完成对杂乱背景下不同物体特别是纹理不丰富物体的识别。本文在研究该算法的过程中,加入仿射投影变换,使得算法能够在同一次模板匹配学习过程中,将同一个模板生成多个角度范围内的不同仿射变换模板,从而达到在匹配识别阶段多视角匹配并识别同一个物体的目的。通过实验证实,该算法运算速度快,实时性强,物体识别率高。最后,对本论文所做工作进行总结,并提出了下一步的研究方向。