室外移动机器人工作环境复杂,任务多变,要顺利完成目标需要更高的精确度:更精确的定位、更适合的速度、更全面的感知、更有效的操作。单靠传统的传感器(距离传感器,声音传感器等)已经无法满足移动机器人准确的感知周围环境的要求,不能为其提供路径规划所需的决策依据。视觉传感器则不同,对机器人而言也一样,视觉系统检测信息量丰富,获得的信息是对环境最全面最深入的反迎,被认为是最重要的感知力。因此,对于室外移动机器人而言,视觉导航被认为是最为关键的科学技术之一。本课题研究的是移动机器人在非结构化道路的复杂环境中,对路面环境信息进行图像采集,进行特征的提取和分析,完成对环境路面的识别,为移动机器人的路径规划提供作为决策依据之一的视觉信息。根据其它研究者对四种常用的环境识别实验结果的探究,最终选定从环境路面的颜色和纹理两方面进行特征提取;通过对5种颜色特征提取算法和4种纹理特征提取方法的分析和实验结果对比,最终决定采用HSV色彩空间一阶中心距的方法进行颜色特征的提取,采用灰度共生矩阵法进行对纹理特征的提取。根据这两种方法对三种典型的实验路面环境的多幅图像进行颜色和纹理特征提取,并建立分类特征样本库。最后,基于支持向量机的方法利用Matlab编程,对特征样本库进行分类训练并对实验环境路面进行了离线和在线的分类测试实验。实验结果表明,本课题所提出的方法具有较高的准确率,验证了本课题所提路面识别方法的可行性和可靠性。