图像广泛应用于工程作业和科学研究中,因此对图像进行识别很有必要。而传统的作为生产及生活自动化、现代化和智能化的核心技术之一的图像识别技术,其识别的范围的局限性已经不能满足很多方面的识别问题需要。本课题中摒弃了以往的通过采用价格昂贵的广角图像采集设备的方法来改进图像识别技术,从计算机算法上做了改进选取了图像拼接技术来实现视觉范围的扩大,再加上具有高度非线性映射能力的BP神经网络技术就更能够提高识别的可靠性。此方法在轮腿复合式越障机器人障碍识别以及越障方式选择上给予了极大的辅助作用。本文中主要是以一些常见物体来模拟障碍物作为目标图像信息进行研究。经过对一系列的国内外先进技术的学习和研究,根据实际的需要构建了一个图像识别系统。创新点主要体现在:首先采用图像拼接技术来扩大图像的采集视觉范围,同时对目标图像进行预处理;此过程既保证采集范围扩大,又增加了图像的清晰度,从而增加了后续的目标图像的准确识别可靠性。其次对拼接后的图像进行多特征提取,利用BP神经网络的超强的非线性映射能力来构建目标图像多特征和障碍物类别之间的映射关系,最终进行障碍物类别的模式识别。在对BP神经网络的各个参数进行充分分析后,引用了LM(Levenberg-Marquardt)经典优化算法来取代传统的最速梯度下降法作为BP网络的训练函数。从最终的测试过程中可以看出,改进后的算法从收敛速度和精度上都有了大大的提高。最后利用了MATLAB和LabVIEW联合仿真,构建了一个完整的360°环境目标识别人机系统,其中在充分发挥了LabVIEW的简化程序和开发周期短的优势,以及MATLAB强大的矩阵运算、图像处理和数值分析的功能。