随着科学技术的不断发展，移动机器人被广泛应用于社会各领域，导航技术是其核心技术之一。在众多导航方式中，视觉导航技术以其获取信息量丰富，信号探测范围广，信息采集设备不易受其它设备干扰等优点成为移动机器人导航技术研究的重要方向。本文采用图像采集设备与机器人分离的俯视视觉导航模型，就如何获取具有适应性的环境背景以及机器人实时躲避动态障碍物进行重点研究。　　 俯视视觉导航模型需要提取工作环境的背景信息以完成导航地图创建和物体跟踪算法的设计，因此当背景发生局部或者全局变化时，需要对其进行更新处理。由于目前常用的几种背景更新算法不能完全满足本课题需要，所以本文在其中Surendra算法的基础上，提出了一种背景提取和更新算法。算法采用基于像素级和帧级的多层次更新策略提取出了较稳定的背景图像，克服了新增物体与物体移出对背景的影响，对光线变化具有较好的鲁棒性。　　 针对移动机器人躲避动态障碍物的问题，提出了一种基于障碍物最优切线的避碰算法。通过分析移动机器人与动态障碍物的相对距离和位置来确定移动机器人的避碰方向，然后机器人沿障碍物切线行进实现动态躲避障碍物。仿真实验验证了算法的有效性，能够使机器人有效避开动态障碍物并到达目标点。　　 本文最后基于Sputnik移动机器人系统搭建了实验平台，实现了移动机器人检测和静态环境中的路径规划。