可移动机器人的自主避障功能是其在未知环境中顺利行驶的必备功能,视觉是科学研究中获取场景信息的主要方法。基于视觉传感器的避障方法,可在机器人避障过程中获取比其他避障方法更多的避障信息。在视觉的避障方法中,基于光流法的机器人避障系统是近些年研究的新热点。为了实现移动机器人的自我避障功能,同时提高机器人的避障准确度,实验中将以轮式机器人作为实验平台,并基于HS(Horn-Schunck)光流法设计机器人的自主避障系统,并在真实环境下进行避障实验且验证避障系统的有效性。首先,通过对摄像头拍摄的图像序列进行图像处理,使用的图像处理方法有:图像灰度化、图像滤波和图像缩放。分别使用HS光流算法、LK光流算法和改进的HS算法计算图像序列中的光流场,并在光流场中计算出FOE点和机器人与障碍物的碰撞时间TTC,根据TTC的变化设计机器人的行驶策略。接下来设计机器人的避障系统,建立机器人的避障实验平台,通过串行通信方式实现笔记本电脑到机器人上Sabertooth电机驱动板的指令传输。之后,在真实环境中设计并进行机器人的避障实验,通过Opti Track系统定位并记录机器人的避障数据,检验避障系统的有效性,同时,对传统HS算法与改进HS算法的避障效果进行对比,验证改进算法的有效性。课题中通过实验提出将机器人的旋转角度与光流矢量模ΔF建立关系,使机器人可在不同的ΔF范围内旋转相应的角度,从而优化机器人的避障策略。将权重系数l的取值与机器人的避障效果建立关系,从而提出在一定条件下机器人避障效果最优所对应的权重系数取值范围。