目前移动机器人的研究领域有一个热门的课题,就是对移动机器人的目标识别与定位的研究。目标的识别与定位依赖于视觉传感器采集的数据,识别和定位的精确度及其算法的复杂程度是评价机器视觉系统优良的重要指标。本文以单目机器人系统为研究对象,融入了超声波传感器的信息,设计了一个基于视觉与超声波传感器信息融合的识别与定位系统,该系统包括图像的阈值分割与识别、基于单目的摄像机离线标定、单目单幅图像定位、超声波测距等方面。展开并完成的工作如下:(1)在基于灰度图像的阈值分割的基础上,提出了基于HSV颜色空间的彩色图像阈值分割方法。与常用的RGB颜色空间相比,HSV颜色模型对颜色的表达更符合人对颜色的定义,颜色空间也是均匀的且受光照的影响较小。该方法比较适用于颜色不复杂的待识别物体,且是在整个环境中不包括过多颜色相近的干扰色的情况下。(2)针对目标匹配识别的研究,在基于形状特征的基础上,提出了基于外轮廓不变矩的模板匹配算法。对分割后的二值图像进行轮廓提取,并进行匹配,与传统的基于形状匹配的算法比较,减小了匹配的像素,节约了运算时间。(3)针对目标定位,融入了超声波传感器的信息,与原本的视觉传感器相结合,建立了融合多传感器的定位模型。并通过NAO机器人进行目标定位实验,与传统的理想地平面约束测距模型和单目双幅图像定位算法相比较。实验表明在实验室简单环境中,NAO机器人的超声波装置能快速地探测到目标物并返回距离值,用于单目单幅定位模型,并较为快速和精确地计算出目标物的坐标。本文选用的单目视觉识别与定位系统相比于双目视觉系统,具有的优点是动作灵活、结构简洁、标定方便。不管是在识别还是定位实验中,都不只是基于单一的信息,在识别中结合了颜色和轮廓两种特征,在定位中融合了视觉和超声波两种信息,使不同的信息相互弥补而得到更精确的结果。后续可以选择不同的信息进行融合,以得到更完美的结果。