近些年,智能化的领域受到各界人士的关注,而作为智能化高端设备的智能机器人成为各大公司和人们关注的焦点。由于智能机器人的应用领域很广泛,而安防领域又是各大公司和政府机构解决公共场合安全问题的关注的热点领域,所以智能机器人结合安防的概念形成的安防机器人自然而然成为机器人研究的重要方向。机器人导航是安防机器人研究中的重要一环,而障碍物的检测与识别又是机器人导航的关键技术。本论文的研究内容主要是基于图像分割的障碍物检测和识别,并通过安防机器人加以实现和应用。为实现该研究和实践目标,本论文主要的工作如下所述:(1)从传统的图像处理方法进行研究,先介绍安防机器人应用的基于OTSU阈值法图像分割进行障碍物避障,然后介绍高斯滤波的原理,并在高斯滤波的基础上自适应图像处理方法进行图像分割,并通过和OTSU阈值法进行比较,得出了结论是,高斯滤波自适应图像分割方法进行机器人障碍物避障在传统图像处理方法是一种较好的阈值分割方法。(2)从深度学习方法对图像分割进行研究,基于pix2pix神经网络的图像分割方法对模型进行训练分析,找出了基于pix2pix神经网络的图像分割方法的缺点和局限性。通过对GAN网络深入的研究,对pix2pix神经网络进行优化,并通过与深度学习图像分割算法对比,找到了能弥补pix2pix神经网络缺点和局限性这两个问题的图像分割方法。(3)在安防机器人项目的实践过程中,为了对图像进行标注的预处理过程,实现了一种简易的图像标注应用程序;为了解决安防机器人平台的兼容性问题,找到了一种TensorFlow模型转Caffe模型的方法;并将模型进行实践过程中需要对障碍物的测距,所以实现并提供给安防机器人项目组一种障碍物测距的接口。通过上述障碍物检测和识别的研究和实现,并整合到安防机器人项目中加以实践应用。实验结果表明障碍物的检测和识别的研究方法在实际场景中的可行性和实用性。