利用移动机器人完成温室自主导航作业，不仅可以大幅度减轻劳动者的体力劳动，也可以避免劳动者在有毒、高温及潮湿等恶劣工作环境中作业时受到人身伤害。温室移动机器人的作业环境与工业移动机器人相比更为复杂，通常是一种具有离散性、不确定性、多样性和不一致性的非结构化环境，为此，如何准确快速地识别出机器人的导航路径信息成为实现温室移动机器人导航的关键因素之一，因此，有必要对这一课题展开研究。　　基于机器视觉的导航路径识别要解决的关键问题是如何通过对视觉系统采集到的图像信息进行处理以精确快速地获取到移动机器人行走的导航路径信息。在温室环境中，移动机器人视觉系统采集到的图像信息会因为受到背景、落叶、光照以及阴影等诸多因素的影响使其难以保证常规导航路径识别算法的鲁棒性，加之温室背景环境信息复杂，导致导航算法计算量大大增加，这直接影响了温室移动机器人导航的快速性以及实时性，使其难以满足移动机器人在温室环境作业的效率要求，严重阻碍了移动机器人技术在农业生产中的实际应用。　　本文针对单目视觉温室移动机器人，着重在降低光照信息对导航路径识别的影响和图像的分割算法等几个方面开展研究，在保证导航路径识别准确性的基础上，确保算法鲁棒，同时提升导航路径识别的快速性以满足温室移动机器人在温室环境下自主导航作业的实时性要求。　　本文主要研究内容如下:　　1.在如何保证温室环境下移动机器人导航算法的鲁棒性方面展开研究。为保证温室环境下导航路径提取算法的鲁棒性，关键因素是降低光照信息对移动机器人导航路径识别的影响，为此本文将采集到的原始温室环境图像信息依据RGB与HSI颜色空间之间的转换公式对两者进行转换，并将转换后获取到的HSI颜色空间进行变量分离，通过理论与实际效果对比分析，选取与光照信息无关且可以有效抑制噪声影响的色调分量H进行后续图像处理操作;　　2.在如何提高温室移动机器人导航路径识别速度而使其能够满足自主导航作业的实时性要求方面展开研究。为满足温室移动机器人导航实时性要求，本文提出两种方法，首先，在图像分割环节，依据温室环境所特有的图像颜色特征信息，引入K-means算法对颜色空间转换后获取到的分量信息图进行图像聚类分割处理，与常规的阈值分割相比，本文所采用的图像分割方法在温室环境中不仅可以将道路信息与背景信息更有效地进行分离，而且提取到的道路边缘信息更为清晰明确，更有利于后续图像处理的相关操作，同时可以提升整个温室移动机器人导航系统的快速性;其次，在进行直线拟合前采用形态学方法进行二次去噪处理以有效去除分割后的图像中存在的各种噪声点及其它干扰信息，使得图像中的道路边缘信息总量有效降低，大大节省了后续图像处理算法的计算时间。　　3.在温室移动机器人导航路径信息与导航控制参数的转换方面开展研究。首先，通过对图像采集系统所使用的摄像机进行标定以获取摄像机的内部参数信息，再通过对识别出的温室移动机器人导航路径信息进行相应的坐标系转换以获取其导航控制参数信息用以实现对温室移动机器人的运动控制，满足其自主导航作业要求。　　4.试验平台改装及实地试验的研究。通过实验室对“Voyager-Ⅳ”四轮独立驱动移动机器人进行改装以使其满足本文试验的硬件平台要求;软件平台中，人机交互界面是通过采用Visual C++6.0可视化集成开发工具进行开发的，编程语言使用的是C/C++语言，同时结合OpenCV(Intel(⑧)开源计算机视觉库)进行编程以实现系统各相关模块的功能。最后，基于所改装试验平台，完成温室实地试验并对试验结果进行对比分析以验证本文所提出方法的有效性。