近年来,计算机视觉技术作为人工智能领域的重要技术,取得了长足的进步,在目标识别、语义分割、实例分割和目标检测等多个方向都有众多出彩的技术出现,而计算机视觉技术的落地和应用也是重要的研究方向之一。现如今,各种计算机视觉技术已经遍布人们周围,比如人脸支付、行人检测、文字识别和机器人及无人机平台上的应用等。在导盲技术领域,计算机视觉技术刚好可以填补盲人的视力缺陷。2010以后,RGB-D传感器的出现为彩色图像增加了深度信息。本课题主要研究融合RGB-D技术与目标检测技术对室内目标进行检测和定位的理论和实现。首先,本文研究了室内目标检测平台的搭建与实现:第一步构建佩戴式终端,作用是采集图像和语音数据以及与用户进行语音交互;第二步构建服务端,在服务端上运行目标检测相关程序,并实现了前向障碍物的检测与提示和物体搜索及定向提示两大功能;最后一步建立服务端与终端的通信,而且为了保证通信的同步,还设置了多个标志字符。其次,对基于深度图像的目标测距与测角方法进行了研究。针对原始深度图中存在空洞的现象,采用了一种彩色图像与深度图像融合的深度图修复算法;为了细化修复后的深度图像,采用了一种引导式滤波器对深度图像进行滤波。为了获取目标和用户的真是距离以及方位角,研究了基于深度图像的测距测角方法,并对测距误差进行修正。最后,研究了基于神经网络的室内目标检测算法。本文采用Efficient Det作为目标检测器,通过比较Efficient Det-D0～D7的精度、速度及计算量确定了采用Efficient Det-D3作为合适的模型。在目标检测完成后为了获取目标的深度值,本文提出一种基于超像素聚类的方法:先由目标检测结果提取出目标;接着对提取出的彩色图像进行超像素分割;然后以超像素块为样本点,超像素块的平均深度为样本值,进行密度聚类;最后提出一种策略来判断目标所在的类别并计算目标深度值。