管道作为常用的介质输送装置,在居民生活和工业发展中发挥着重要的作用。在自然风化腐蚀、人为施工损坏等因素下,管道极易产生裂纹、孔洞等缺陷,造成资源浪费、环境污染,严重影响管道正常运行,因此有必要对管道进行定期检测维护,并及时修复。和其他检测方法相比,采用视觉方法检测管道速度快、效率高、可实现缺陷可视化。本文对管道探测机器人的视觉缺陷检测方法进行研究,设计管道缺陷视觉探测机器人,并针对封闭管道内所采集的图像特征,提出一种自适应图像增强的管道机器人缺陷检测方法。实验表明该方法适应性较强、准确率较高,可实现典型管道缺陷的有效检测。本文的主要工作内容如下:（1）分析管道探测实际工况需求,进行管道探测机器人的总体方案设计,完成机器人关键机械结构、图像采集与处理等模块设计。（2）针对管道机器人在封闭管道检测过程中,图像采集照度不均匀的问题,提出一种基于引导滤波的单尺度Retinex自适应图像增强算法。在分析了传统单尺度Retinex图像增强的不足之处后对其进行改进,提高图像增强效果,并针对不同照度图像进行自适应增强。为准确分离图像亮度信息,将采集的不均匀照度RGB图像转换为HSV图像;再依据Retinex理论利用引导滤波准确估计图像亮度的照度分量;最后根据图像像素的亮度分布,经自适应矫正得到光照均衡图像,实现自适应图像增强。（3）在对管道图像进行图像增强预处理操作后,提取出管道图像的缺陷区域。对传统的Canny边缘检测算子进行改进,提出一种基于双边滤波与自适应阈值的缺陷检测算法。采用双边滤波方法代替传统的高斯滤波,并扩大图像梯度模板充分表现图像边缘特征,经迭代阈值分割、边缘像素连接,实现缺陷边缘的有效提取。（4）搭建基于图像增强的管道机器人缺陷检测实验系统,完成管道视觉检测交互软件开发,实现了管道内壁图像的全方位检测、传输与显示。实验结果表明,本文的检测方法可自适应矫正管道图像亮度,亮度不均匀现象明显改善,并且可有效检测管道孔洞和裂纹缺陷,识别准确率接近97%。