当下智能车、智能机器人发展迅速,基于简易视觉的障碍物的检测方法以及定位导航愈加重要。本文结合部分场景障碍物检测进行研究,建立了基于拟合和模糊推理的单目测距模型。对一个成品摄像头而言,根据透镜成像原理可知成像大小和物距之间是一个连续的对应关系。本文选取空间中合适的典型物体作为标准可识别物,并用简单函数的拟合曲线近似上述数量关系,并称之为图像距离函数。当障碍物与标识物之间的贴近程度可知时,便可通过图像距离函数与障碍物的成像大小近似计算障碍物距离,且贴近程度越高,测距结果的精度越好。文中根据测距理论建立了多个标识物在不同场景之下的图像距离函数库。为了简化测距模型匹配过程中的计算量,文中把特定的标识物与场景结合到一起。考虑到场景的不同所含有的标识物组合方式和种类不同,需要先对测距场景进行模糊识别进而锁定场景中某些特定标识物。在图像识别的基础上,通过模糊推理判定出所属场景和其内的有限个典型标志物的识别,进而使用测距方法计算出物体的距离。分析了模糊测距的误差来源,并从测距原理与数值计算两个角度给出误差分析。从理论上给出了给定测距精度下的标识物模糊测距邻域阈值的存在性定理,并估计了数值计算的误差。模糊测距完成之后,给出了一种智能机器人在未知环境中依据标识物进行地图构建与简单经验路径的规划方法。本文以折线运动为模型,让机器人前后两次获取同一标识物的方向和距离信息,用几何方法得到其自身相对位置,完成机器人的初始定位,给出一种简易的不断根据经验智能寻优的机器人自主学习策略。该策略不仅实现了对环境地图的实时更新,得到一个最优的标识物地图,而且还仿照智能生物对环境的熟悉过程,选择出一个标识物之间已有经验之内的最优路径。由于该地图与路径是实时更新的,能够保证智能机器人对动态障碍物的及时处理与规避。最后使用低精度摄像头以及MATLAB在实验室环境下进行实验,结果表明模糊测距方法具有满意的精确度,可以满足智能机器人测距的实时性和准确性要求,测距的绝对误差均在5%以内。所构建的环境地图信息和路径规划结果与人的决策相近。所有结果表明测距以及地图智能构建方法是可行的。