鉴于计算机视觉信息量丰富、信号探测范围广、获取信息完整等优点，基于视觉的移动机器人路面识别已经成为当前移动机器人研究的一个重点。同人类视觉一样，机器人视觉系统可以为其提供其所处环境的图像信息，机器视觉也是机器人获取周围环境最重要的信息来源。研究移动机器人视觉系统以及图像处理理论与方法具有非常重要的意义。本文在原有的移动小车的基础上添加了视觉系统，包括视觉传感器（CCD摄像头），带有图像采集功能的数据处理器（DSP）等，能够实现小车在运动过程中对路面的图像采集。通过比较分析，分别从图像的颜色及纹理两方面进行特征提取。选择图像直方图的方法进行颜色特征提取，并通过直方图均衡化将图像颜色信息进行优化处理，另外分别以颜色的整体直方图以及三基色的直方图两种方式对图像颜色特征加以提取；图像纹理特征的提取则选用图像的灰度共生矩阵方法，灰度共生矩阵可以很清晰的表征图像纹理特性。对图像的特征提取为后续图像的识别做了很好的铺垫。本文采用支持向量机作为图像识别与分类的核心算法。建立特征向量，通过对大量的特征向量的学习得到每一类图像的支持向量，进而实现对图像的分类。最后，通过软件编程，建立集图像预处理、图像特征分析以及图像识别分类等方法的实际框架，对本文所讨论的四种典型道路图像进行了识别分类实验。从实验结果可以分析总结出应用支持向量机理论对四种路面的识别可以达到比较高的正确率，因此也说明该方法的可行性与可靠性。