采用先进的视觉处理算法提升机器人的环境感知能力是当前计算机视觉领域的一项重点研究内容,然而基于可见光的视觉感知算法存在诸多的限制。热红外可以在黑暗下获取清晰的环境信息,提升机器人在夜间的环境感知能力。为此,本文针对可见光与热红外融合的图像感知方法展开研究,利用深度学习技术,设计多光谱行人检测模型和语义分割模型,并将构建的模型部署在六轮无人平台,提升平台的环境感知能力。具体研究内容如下:1、针对在光照不足的环境下基于可见光的行人检测存在漏检率高、运行速度慢等问题,基于多光谱融合技术构建了一个端到端的行人检测模型。首先构建了多光谱行人检测网络,并设计光谱特征融合模块和高维特征融合模块完成不同光谱信息之间的融合;其次利用KAIST数据集对设计的模型进行性能评估;最后针对构建的融合模块设计消融实验,证明本方法的有效性。2、针对在光照不足时基于RGB的语义分割模型存在的分割精度低、运行速度慢等问题,利用多光谱特征融合技术构建了轻量级的多光谱语义分割网络。首先基于编码-解码结构设计了多光谱语义分割模型,并构建了Skip Inception模块进行高维特征提取;其次利用多光谱语义分割数据集对设计的模型进行性能评估;再次利用建立的语义分割模型解决多光谱火焰分割问题;最后针对设计的Skip Inception模块设计消融实验,证明该模块的有效性。3、针对六轮平台在黑夜环境下环境感知能力弱的问题,将本文所提的多光谱行人检测模型和语义分割模型部署到六轮平台上,测试所提方法在实际环境中的表现,并基于校园环境对模型进行调整,提升平台在黑暗下的环境感知能力。