目前随着计算机软硬件性能的大幅提升,以及人工智能技术的飞速进步,无人车和智能移动机器人及其相关领域得到了快速的发展。以目前的研究情况来看,智能机器人的三大核心功能需求可以定义为:动作行为、控制能力和环境感知。目前机器人研究的重点和难点就是环境感知部分,环境感知就是机器人通过自身配置的一系列传感器完成对周围环境的感知和了解,可以分为定位,导航,避障和识别等部分。例如:通过使用GPS实现高精度定位,使用三维激光雷达进行三维立体空间的建模、物体检测、精确测距,使用陀螺仪实时输出机器人的航向角和加速度等信息;使用摄像头运行图像处理算法来进行实时的障碍物种类识别和可行驶道路的提取,根据这些信息并根据特定的环境情况采取相应措施。移动型机器人可以通过视觉识别来感知周围环境,计算得到可行驶道路的区域并且计算出预定的行驶路线,实现车辆的辅助或者自动行驶。在对于智能移动机器人的研究中,基于视觉的感知技术一直都是研究的热点和难点。所以本论文在基于传统视觉图像算法的基础上结合目前的研究进展及发展趋势,提供出一整套新的视觉环境感知的方案。具体的研究内容如下:1)在基于传统图像处理的路面识别算法方面,对应用于智能移动机器人上的相关图像算法(例如:滤波,边缘检测,霍夫变换,区域生长法等)的相关理论和概念进行介绍,并且针对于我们的特殊应用情况,提出了一种不受光照影响的新型道路检测算法。2)在行人检测方面,对基于HOG+SVM识别算法的相关理论和概念进行分析,实现这种算法并且测试其在行人识别上的速率和准确率。3)在基于深度学习的路面语义分割算法方面,首先设计了一个用于校园道路检测的深度学习模型。然后通过自己拍摄大量的校园道路图片,并选择一些比较有代表性的图片进行标注,将标注好的图片作为训练样本送入模型中进行训练,将训练得到的模型用于校园道路的语义分割任务中。我们训练得到的深度学习模型不仅有很高的处理速率,而且达到了目前国际领先的语义分割准确率。4)通过对提出的这些路面识别算法进行相关的实验和对比,提供出一套用于智能移动机器人路面识别,语义分割和行人检测的视觉环境感知方案。设计的视觉感知算法在我们实验室自主研发的移动机器人上进行了实验,取得了很好的识别准确率。