自主导航是移动机器人实现智能化的重要标志,是赋予机器人自主感知和行动能力的关键因素。实现移动机器人自主导航有个基本要求就是避障,因而研究机器人在环境信息完全未知的情况下的避障问题十分重要。同时,随着机器人实际应用需求的增长,移动机器人的目标检测与跟踪技术,也成为研究的热点。本文以Turtlebot作为移动机器人的研究和实现平台,使用单目和双目相机作为主要传感器,研究了机器人在未知环境中的避障问题,以及对运动目标的检测与跟踪问题,提出了相应的算法与实现方案。本文的主要研究工作和贡献包括:(1)针对机器人在复杂未知环境下的被动避障问题,设计了一种新颖的基于单目视觉的避障方法。该方法采用特征尺度检测器完成机器人视野正前方障碍物的检测,对于视野两侧的障碍物运用光流平衡策略进行规避,而对于低纹理的障碍物则利用图像熵的方法进行检测。(2)研究了一种基于单目视觉的Marker标志物的跟踪方法。首先对标志物进行检测识别,根据空间3D点和图像平面2D特征点的匹配关系,解算得到机器人相对Marker的位姿。利用位姿信息作为运动控制的输入,对机器人进行速度控制,实现对给定的Marker目标的跟踪。(3)针对任意普通目标的检测与跟踪问题,本文首先基于卷积神经网络的深度学习方法,对目标进行检测;在检测到目标之后,再基于相关滤波器对视频中的目标进行跟踪;最后,利用双目相机进行稀疏的3D重构,恢复出机器人相对于目标的位置信息,利用此位置信息控制机器人对目标进行跟随。本文还基于双目相机的深度信息,针对相关滤波器的目标尺度模糊问题进行改进。