识别周围环境的可通行性是移动机器人路径规划的关键问题,不仅需要识别前方的可通行区域,也要对其它方向的可通行区域做出判别。本文结合双目视觉系统的视差信息和全向视觉系统的全景图像信息,提出了基于混合视觉系统的360°环境可通行区域识别方法,为实现机器人在复杂户外环境下的自主运行奠定了基础。首先,根据自主识别前方可通行区域的需求,选择了Bumblebee双目视觉系统。针对全向视觉系统的参数标定问题,选择了双曲线型反射镜面与Prosilica摄像机组成全向视觉系统。为了使混合视觉系统得到较大的共同视场,将双目视觉系统置于全向视觉系统前方,一并搭载于全向移动机器人平台上。其次,通过ELAS匹配算法得出双目视觉的视差信息,基于U-V视差算法实现机器人前方可通行区域的识别。为了将识别结果映射到全景图像中,本文提出了基于坐标转换的图像映射方法,引入世界坐标系为媒介,建立左图像坐标系到全景图像坐标系的映射模型。并通过相应的MATLAB标定工具箱计算出模型参数。再次,本文选择了SVM算法在全景图像中以前方可通行区域和不可通行区域的特征和标签为样本进行机器学习。为了提高算法效率,本文先通过Preemptive SLIC算法对图像进行超像素分割,进而分别基于LBP和WLD两种局部纹理特征进行训练分类,识别周围360°环境的可通行区域。最后,在户外校园环境中开展了一系列的实验,结果表明,本文提出的方法有效扩大了机器人对可通行区域的识别范围,为机器人的路径规划能力提供了更丰富的环境感知信息。