随着全球范围内人口基数和平均寿命的增加，视障人群数量呈现增长趋势，用于提高盲人生活质量的机器视觉导航逐渐出现。与导盲杖、导盲犬等传统方式相比，其具备探测范围广、环境识别力强、造价成本低等特点而受到广泛的关注。基于机器视觉的盲人导航算法通过图像特征匹配的方法对信号灯、斑马线等进行检测。但在实际过程中，由于背景中存在与目标特征相似的区域，导致检测精度下降，同时视觉测距算法的实时性有待提高。本文针对上述问题进行研究及改进，具体研究内容如下：
　　首先，在路口区域场景下，与仅考虑发光单元特征的主流信号灯检测算法不同，本文提出对信号灯背板进行检测，再结合发光单元的颜色和几何特征进行筛选与分类的方法。针对部分信号灯背板在深色背景下难以分离的情况，提出利用斑马线、机动车信号灯和人行信号灯三者的位置关系来限制目标搜索区域。
　　然后，针对全局特征匹配测距算法图像处理量较大的问题，本文采用基于局部特征点匹配的SIFT算法获得障碍物视差以解算距离信息，同时利用64维的描述子替代128维的传统描述子来缩短匹配时间。为了实现错误匹配点对的剔除，根据双目相机空间关系提出了一种平行约束预筛选和RANSAC相结合的方法。
　　接着，针对现有视觉盲人设备在直线区域内未告知人行道的问题，本文采用AdaBoost分类器对区域特征进行训练和预测。为了缩短Gabor特征的提取时间，提出了人行道纹理方向阈值筛选方法，同时采用PCA替代熵最小化来构建光照不变空间以减弱强光和阴影的干扰。人行道预测结果中会出现超像素参数非适应导致的边缘凹凸现象，故提出基于 MRF 的局部图像分割手段对检测结果实现优化。
　　最后，对实际场景采集图片进行测试。结果表明，本文所提出的算法能够提高人行信号灯和人行道的检测识别精度，同时缩短了障碍物测距所需的时间。