履带式移动机器人在非结构环境中的应用不断增多，机器人对环境的感知，尤其是对复杂地面的感知能力要求也随之不断提高。复杂地面由几何参数和物理参数表征。物理参数因影响机器人的连续运行性能和自稳定性而成为研究热点。本文集中探讨物理参数相关的问题，针对地面类型的特点，对基于视觉信号和振动信号的自适应地面类型在线分类辨识方法进行研究。结合复杂地面类型的视觉信号特点对采集的图像进行处理。以数字图像处理为技术基础针对前视相机采集的图像实现包括颜色特征和纹理特征的提取，并对不同特征提取方法对地面类型的表征能力进行分析。以视觉信号的特征提取为基础，通过K平均法聚类算法自适应生成动态训练样本，以机器学习、形态学处理和在线学习方法实现目标地面区域与非目标地面区域的分割。针对选定地目标地面区域，建立视觉特征和地面类型之间的映射关系。建立基于支持向量机的地面类型实时分类辨识模型，和基于样本数据统计的模型匹配算法对地面类型进行分类辨识，建立起完整的自适应实时地面类型在线分类辨识方法。结合视觉信号与振动信号对地面类型分类辨识的优缺点，分析两种信号融合的可行性，实现视觉信号特征与振动信号特征融合，以及视觉信号辨识结果与振动信号辨识结果融合等方法，并分析几种融合方法的有效性，建立基于视觉和振动信号融合的地面类型辨识方法。以履带式移动机器人为基础，搭建实时地面类型分类辨识平台及实验研究，实现视觉信号与振动信号特征的提取和处理，获取多种地面类型的分类准确率和处理速度等指标对已建立的在线辨识模型进行性能分析。进行多地面类型跨越实验分析辨识模型的鲁棒性与敏感性以及准确性与快速性之间的平衡关系，并通过测定的融合准确率对实现的融合方式评估和分析。实行综合实验对地面类型分类辨识系统的稳定性进行测试。