随着科技的迅速发展,自主移动机器人被广泛应用于各个领域,尤其代替人类在恶劣未知环境中作业。一方面,为提高其对非结构化环境的适应能力,机器人须具备对复杂环境的感知能力;另一方面,由于野外非结构化环境的复杂多变性,机器人须具备应对各种突发事件的应急规划能力,提高可靠性。为此,本文对仿变色龙环境感知的自主移动机器人应急规划进行研究。对移动机器人视觉受污突发情况,提出基于自省式案例推理(Case Based Reasoning,CBR)的应急规划的总体方案,使其具备降级使用功能。机器人硬件组成主要包括上位机视觉系统以及下位机的驱动部分。根据BioTRIZ仿生学原理得到变色龙视觉系统原型,构建仿变色龙双目PTZ视觉系统,并对仿生模型进行相似性评价,同时建立仿生视觉系统坐标系。对于机器人摄像头受污,提出利用隔帧差分法与Visual Background Extrector(ViBe)算法相结合的方法,对移动机器人摄像头污染物进行提取。并对提取出的污染图像进行形态学处理、填充、分析连通性、求取污染物的面积和形心,计算所求点到凸包边界的距离。对小面积污染情况下进行去噪处理,并对整个成像平面进行污染物区域划分。制定CBR解设计方案,制定不同污染情况下对应的应急方案。根据所使用的深度学习框架制作和训练数据集,完成网络模型的训练。提取污染图像,根据污染物的特征建立机器人视觉受污后CBR案例库,主要分析三种典型受污情况下机器人视场拼接扫描策略。根据污染物是否遮挡目标,计算各个舵机转角和镜头焦距变换的最小代价,从而进行摄像头动作优化保证目标不被遮挡。利用实验室4WD4WS移动机器人,对所述算法进行实验验证。首先在不同地面环境以及不同光照情况下,对污染物提取算法进行实验验证。然后重新搜集图像集,验证训练的深度学习网络的有效性。其次针对不同的污染情况,在沙地和平地上进行CBR视觉受污应急规划实验并验证有效性。最后针对摄像头污染且通透度小于阈值时,利用科恩达清洁装置进行摄像头清洁实验并验证清洁装置的有效性。