移动机器人的工作环境随着应用领域的逐渐扩大变得越来越复杂多样。其中,移动机器人的环境自主感知系统是机器人进行决策规划的基础,主要负责获取机器人的内部状态和外部环境信息。传感器能否合理使用将直接影响到移动机器人感知环境信息的准确性,但对于环境较为复杂的状况,如道路高低不平、障碍物频现等,仅依靠单一传感器并不能满足要求。因此,基于CCD双目视觉相机并且辅以超声波传感器和激光测距仪的信息融合技术来进行环境感知更精准高效。本文首先对移动机器人环境自主感知方法的国内外的研究现状和意义进行了详细的概述,并对研究的内容及其涉及到的关键技术进行了细致总结。其次,对移动机器人的环境自主感知理论进行了深入透彻地研究,主要包括移动机器人的避障方法和三维物理环境场景重建以及基于视觉信息融合的理论方法等,本文对移动机器人自主识别道路和判断道路的可通过性方面也进行了深入研究。然后,就移动机器人的环境自主感知方法搭建了实验算法平台。平台可以分为软件和硬件这两个部分。软件主要包括MATLAB和VC++,MATLAB可以快速实现对图像的处理,便于对算法进行验证和仿真分析,而VC++可以开发出具有良好人机界面的用户软件;硬件以UGV-1型无人机动车为基础平台,搭建CCD双目相机、超声波传感器和激光测距仪,将各种传感器获得的数据进行集成融合,利用真实的物理环境信息验证各种算法的有效性与可靠性。最后,提出用图像纹理特征和颜色特征的相组合的方法来识别地形,并对识别出的地形做可通过性评估。对道路可通过性评估算法进行了仿真实验,该实验可以划分成四个过程:获取道路图像,道路图像处理,分析可通过性和模拟动作执行。通过进行总结分析,验证了该评估算法的有效性及可执行性。