室外移动机器人研究涉及多个学科的理论与技术,体现了信息科学与人工智能技术的最新成果,具有重大的研究价值和应用价值。在室外移动机器人的各项关键技术中,视觉导航技术是近年来研究的一个热点。视觉导航的基本任务是根据获取的视觉信息正确识别出道路区域和非道路区域。由于室外环境的复杂多变以及图像数据量大、处理耗时,直接导致视觉导航系统的实时性和鲁棒性得不到满足。　　 本文以装载视觉系统的电动轮椅为实验平台,以城市内非结构化道路上的应用为主线,旨在实现基于视觉的导航算法,提高视觉导航系统的实时性和鲁棒性。本文主要研究内容包括:　　 1、首先研究彩色图像的色彩空间模型,针对光照、阴影等对道路图片的影响,选择接近人类视觉的HSI色彩空间模型,通过实验验证了HSI模型的三通道分量相关性弱,受光照影响小。其次针对摄像头采集图片的噪声来源,比较分析图像降噪算法的性能,综合考虑降噪效果和算法耗时,选择基于中值滤波的图像降噪算法。　　 2、研究分析了目前最新的彩色图像分割算法,针对传统彩色图像分割算法忽略像素点空间信息问题,采用改进的Mean Shift(均值漂移)算法实现道路图像分割,并融合形态学对分割图像进行后处理,通过实验验证了算法的有效性。　　 3、分析道路识别算法的特殊性和实时性要求,查阅目前基于视觉的道路识别常用算法。针对Hough变换提取的道路边缘存在伪边缘和边缘断裂问题,改进Hough变换算法,通过实验验证了算法的有效性。