随着计算机软硬件性能的显著提升以及人工智能各领域科技的迅速发展,移动机器人、无人车等产品逐渐出现在人们的视野中。移动机器人的环境感知就是指移动机器人通过雷达、摄像头等配备的传感器获取周围环境信息,并完成分析和理解,是决策与控制的前提和基础。基于视觉传感器的环境感知技术因其硬件价格低、获取信息量大等优势成为研究的热点。近些年来,计算机视觉领域借助深度学习技术得以迅速发展,在图像分类、目标检测、语义分割等子问题上不断出现有价值的研究成果,基于视觉的环境感知技术由此不断出现新的解决方案。本文对基于深度学习的视觉环境感知技术的实际应用问题展开研究,构造了一个目标检测与道路分割算法的联合架构,能够同时进行感兴趣目标的检测和可行驶道路的分割,以此指导移动机器人的目标追踪、避障等运动,并搭建了移动机器人环境感知系统硬件平台进行了室内外不同环境下的实验。论文主要工作如下:1、在检测算法方面,本文对目前两种主流的目标检测算法即基于候选框的算法与直接回归的算法展开研究,对其原理进行对比分析,最终使用了一种结合ROI与YOLO思想的目标检测算法,在保持运算实时性的同时,有效提高算法的准确度;在语义分割方面,本文对当前领域内代表性的算法进行深入研究,采用了基于FCN的分割算法实现了对可行驶路径的分割。2、针对环境感知系统实时处理环境信息的要求,本文设计了检测与分割联合架构,即目标检测与语义分割共享同一个特征提取网络,有效地降低了推理时间,同时对两个子任务的性能也有一定的提升。3、本文在KITTI数据集上对检测与分割算法进行了训练与评估,为了扩展算法适用环境,本文按照公开数据集标准,构造了室内走廊环境的目标检测与语义分割数据集,并进行了模型的训练。4、本文设计并搭建了基于视觉的移动机器人环境感知系统的硬件平台,由轮式机器人和其搭载的摄像头、便携式计算机组成,同时设计了简单的运动控制策略,根据感知到的环境信息,指导机器人沿可行驶路径运动,并可根据特定目标检测结果完成其他扩展性任务。综上所述,本文对目标检测和语义分割算法进行了理论分析与研究总结,通过共享特征提取网络构造检测与分割联合架构,提高系统的实时性,通过联合训练提升两种算法的性能,并搭建移动机器人硬件平台,进行了实际的应用实验。