集矿机是深海底采矿的核心设备，其安全性一直受到高度重视。随着集矿机工作环境变得越来越复杂、科研设备集成度越来越高，人工监控已经不能满足实时性要求，因此，有必要为集矿机设计一套实时避障系统。　　 障碍物和地形的探测是实时避障的数据基础与前提。基于超声波技术的探测方法，对障碍物边缘的提取精度很低。集矿机复杂多变的工作环境要求提高环境探测的精确度，保障集矿机的安全性。　　 针对海底光线亮度变化大、集矿机行走速度慢等特点，本文采用图像处理的方法提取和分析障碍物及地形轮廓，提高环境探测的精确度。　　 针对深海底集矿机作业环境图像，本文首先通过分段非线性变换提高低亮度区细节，利用中值滤波去除图像中悬浮物的干扰，其次利用抗噪声梯度算子提取障碍物和地形轮廓，并根据地形亮度变化特征对轮廓进行分类，然后利用自适应形态学将轮廓细化、连续化，进一步计算出轮廓的偏心率、结构方向角等形状参数，最后推导出地面点坐标与其图像对应点的坐标之间的关系，进而计算出障碍物和地形的距离、高度、宽度等数据。　　 采用该方法，对深海底及陆地地形照片进行处理与分析，结果表明：该方法可有效识别深海海底地形和障碍物，不仅保留了边界信息，且提高了抗噪声性能，可获得较精确的障碍物参数，为深海集矿机的避障、越障系统的信息融合技术提供可靠的数据。