随着经济社会的不断发展,科学技术水平也越来越高,移动机器人的研制水平得到极大的提高,许多行业都开始将移动机器人运用到日常工作生活之中了。近年来,由于控制学、计算机和仿生学的快速进步,使得移动机器人的工作水平得到了提高,移动机器人的种类及应用场景也越来越广泛,已经开始由简单的室内场景向室外场景发展。由于室外环境相对复杂多变,对于在室外环境下工作的移动机器人,包括当下十分热门的无人驾驶汽车,优良的环境感知能力和理解性能可以帮助其更好的实现导航、定位,并顺利完成预定目标,论文研究的室外移动机器人的雷达-图像跨模态检索就属于移动机器人视觉感知系统的一部分,实现雷达-图像跨模态检索对于移动机器人下一步的环境感知、自身定位及导航具有重要的现实意义。目前移动机器人主要依靠激光雷达采集的点云数据信息和摄像机采集的图像信息来感知周围环境。由于点云数据和图像的差异性,在极端天气或夜晚的情况下,摄像机采集图像会受到极大干扰;因此论文基于聚类典型相关分析和深度学习网络率先提出一种面向室外移动机器人的雷达-图像跨模态检索技术,首先利用深度学习网络PointNetVLAD和AlexNet分别提取点云和图像数据的特征向量,然后使用典型相关分析将两种模态的特征向量映射到同一个子空间,再通过计算欧氏距离进行检索,进而可以得出与点云最相似的图像文件;试验表明聚类典型相关分析在论文中的检索效果优于典型相关分析。论文所提出的检索算法在KITTI数据集上进行了验证,实现了从点云到图像的跨模态检索,并且由检索结果和实际图像的对比验证了聚类典型相关分析在室外移动机器人雷达图像检索方面应用的有效性。