传统的移动机器人控制及规划方法中,往往任务单一、学习过程是离线的且建模过程复杂,很难适应未知环境。本文研究了基于脑心智发育网络模型的移动机器人场景认知,以提高机器人的智能性,使机器人能够经历像人一样的学习和成长过程,逐渐适应复杂多变的环境。主要工作如下:首先,介绍了人脑工作机理以及基于生物视觉机制的场景认知方法,并对比研究了在两种场景下谱残差检测方法、基于引导学习检测方法和基于元胞自动机检测方法的效果,分析了它们的优缺点。然后,设计了基于光度立体方法的人脸检测实验,与传统的人脸图像方法相比,该方法能有效克服光照因素的影响,检测效果提高。在此基础上了,结合IHDR算法设计了人脸识别实验。实验结果反映了结合IHDR算法和基于光度立体构建三维人脸的方法用于人脸识别上具有较好地效果。最后,提出了一种基于自主学习框架的机器人视觉导航方法,通过人为规划路径指导机器人学习,并运用IHDR自主学习框架建立场景图像和机器人运动速度之间的映射关系知识库。当机器人在线运行时,只需检索知识库便可实现自主导航。然而这种方法仅限于静态场景中,为了使机器人能适应更为复杂的场景,提出了结合学习算法和环境建模的机器人自主规划方法,使机器人保持在安全范围内行驶。在复杂环境下的机器人自主规划实验中,验证了结合自主学习框架和避障方法的可行性,机器人可适应更为复杂的场景。