轮式机器人的滑移问题广泛存在于各种自然地面类型。特别是在行星探索任务中,提前预测滑移对安全行驶、路径规划和导航定位均具有重要意义。近几十年来,已有大量的研究从机械的视角对滑移进行建模。然而,由于影响滑移的因素很多,比如运动状态、土壤参数、车轮特性、车体重量分布、局部地形等,使得建立滑移的物理模型十分困难,且可通用性差,更无法用于滑移预测。约十多年前,为了解决美国国家航空航天局第二代火星车机遇号和勇气号的滑移问题,一种新的基于计算机视觉和机器学习的滑移预测框架被提出——影响滑移的因素被分解为物理因素和几何因素,前者由相机图像提供的地面类型信息进行限定,后者由双目相机的地面几何三维重建提供。综合分析可知,这种滑移建模是目前可以用于滑移预测的唯一比较切实可行的方法。目前为止,由于这方面的研究较少,仍然存在很多缺陷。为此,本文着重对其三大主要问题进行了研究,即整体预测框架的构建、基于几何信息的滑移建模和基于导航相机影像的火星地面类型识别。具体研究内容及创新之处归纳如下:(1)对基于计算机视觉和机器学习的滑移预测的总体框架进行了细化和重构,对所涉及的关键技术进行了分析和研究,对滑移预测相关的后续应用等问题进行了设计。(2)对基于几何信息的滑移率预测模型进行了改进并对其预测潜力进行了分析。一般认为,在给定巡视器和地面类型时,滑移主要由巡视器所经过的地面的几何情况来确定。为了提高模型的表达能力,通过采集和研究更加精密的数据,引入了三个新的影响因子,使模型的表达能力由静态描述扩展到动态描述,增加了模型的维度。为了对新引入因子的有效性进行分析,设计了一系列对比实验,并基于两类不同的算法进行了验证。实验结果表明,新引入的影响因子都是有效的,且改进后的模型取得了明显更好的效果,滑移预测的平均绝对值误差低于5%。进一步的分析认为,此模型的预测能力可以达到误差低于2%。这是与本文的滑移测量误差可比的级别,也说明了此模型的预测极限。(3)对基于几何信息的滑移模型在相似地面类型间迁移使用的可能性进行了研究。基于嫦娥3号月球车地面实验数据构建的模型,对嫦娥3号和嫦娥4号在轨数据进行测试和分析。结果表明:虽然模型构建和测试使用的数据获取于不同的地面类型,且各种实验条件也不尽相同,但预测结果还是表现出了相当的前景——预测到的一系列滑移与实测值之间的相关性超过0.8,表明在相似但不同的地面间,基于地面几何的滑移模型有很好的迁移能力。理论上讲,本文的基本框架要求基于几何的模型必须在相同的地面类型上实施,而本研究说明了滑移预测过程中“物理信息”和“几何信息”对最终结果的决定能力的关系。这不仅为地面训练的离线几何滑移预测模型的在轨应用奠定了基础,也为在地面类型划分本身具有不可避免的模糊性的实际中本方法的使用提供了依据。这些结论将为后续研究提供一种变通的思路。(4)对基于导航相机影像的、以巡视器导航为目标的火星地面分类进行了研究。以真实火星巡视器任务的历史数据作为研究对象,避免了传统的模拟数据与实际脱节等诸多问题。结合历史文献中对火星地面类型的研究,对火星地面类型进行了重新定义和划分。同时,通过对历次火星任务以及大量数据的分析,认为火星地面类型总体上比较稳定,基于已有的火星数据构建的离线模型可以满足近期火星地面类型识别的要求,为离线模型的使用提供了依据。针对本研究的特点,设计了针对性的地面类型学习和预测方法。结合计算机视觉和机器学习领域的经典研究成果,包括基于纹理的方法和基于深度卷积神经网络的方法进行了实验。通过基于真实数据的实验,说明了各种不同方法的分类精度及实用性,提出了实用化所面临的问题和解决方法,可为我国未来的火星巡视探测计划提供必要的参考。