自主移动机器人导航技术是智能机器人领域的一个重要研究方向,其中视觉导航具有其它传感器导航方式所无法比拟的优点,是自主移动机器人的关键技术和研究热点。本文从Prof. Marr视觉理论出发,对机器人低层视觉图像处理算法、视觉系统建模以及实时动态环境下的运动目标跟踪与导航进行了深入研究,并在AS-R自主机器人开发平台上进行了实验论证。低层视觉图像处理是视觉导航的基础,针对环境图像存在噪声干扰的特点,文章分别从时域和频域上分析了图像滤波的方法。在研究了经典边缘检测算子的基础上,介绍了基于小波变换边缘检测的一般方法,研究了一种自适应小波变换的图像边缘检测方法,获得了更为细致准确的边缘。在研究了自主机器人垂直异构双目视觉系统结构的基础上,根据摄像机透视原理,对机器人视觉导航进行了建模,推导了世界坐标系、摄像机坐标系以及图像坐标系之间的映射关系。分析了传统的摄像机标定技术和基于主动视觉的摄像机自标定技术。本文设计了机器人运动目标跟踪导航的整体框架,分别研究了基于自适应背景差分的运动目标跟踪导航与基于卡尔曼滤波与预测的跟踪导航。前者采用帧间差分技术与动态背景更新模型识别运动目标,后者采用不变矩理论与卡尔曼滤波相结合的方法进行运动目标检测与识别。卡尔曼滤波技术的引入,有效实现了目标特征点的位置预测及目标相对运动速度的获取。相关算法研究在AS-R自主机器人平台上进行了实验论证,从实时性出发,研究了基于颜色识别的双目导航系统,更趋于一般性的,研究了基于卡尔曼滤波的AS-R跟踪导航技术,从物体形状的角度,实现了运动目标的跟踪与导航。考虑到机器人跟踪与导航的实时性要求,本文选用了合适的预处理方法,基于图像块的动态窗口分割方法,减少了图像数据的计算量,降低了目标误匹配率,能较好地满足实时动态环境下的机器人跟踪与导航。实验表明AS-R机器人能实时、准确和稳定地识别并跟踪运动目标,实现定位与导航。在路径规划部分,本文采用了一种新的遗传算法,小生境伪并行遗传算法用于机器人路径优化。实验结果表明该方法比SGA和并行遗传算法具备更快的收