相对于传统光学图像，深度图像能直接给出距离，几何特征等信息，并且不受纹理，光照等环境因素的影响。飞行时间法三维无扫描传感器通过测量发射信号与反射信号之间的相位差来产生目标的深度数据，已经被广泛的运用于视觉追踪，运动检测，行人检测及各种障碍识别等问题中。本文在学习了飞行时间法成像原理和流形学习算法以后，对流形空间内的飞行时间法深度图像障碍检测问题进行了研究。主要完成工作如下:　　1)针对深度图像的距离歧义性问题，利用发生歧义间距时的深度数据特点定位图像中发生深度歧义的边界，消除发生距离歧义的区域，并结合强度图像提取非歧义前景部分进行障碍检测处理。　　2)将TOF摄像机获得的像素点的空间三维坐标信息经过深度歧义消除处理后用于流形学习障碍检测过程中。算法使用有监督拉普拉斯映射实现深度数据非线性维数约减，同时能保持TOF数据的内在拓扑关系和局部几何特征。实验中提取深度图像中障碍和地面两类数据块作为有监督拉普拉斯流形学习算法的训练样本，对经过深度歧义消除后的深度图像进行地面识别和地上障碍检测。　　3)提出了基于基本距离簇的数据形态选取方法。使用规范化尺寸对原始不规则距离簇进行规范化形成最优距离簇，以便将数据用于之后的流形学习过程中。并对数据进行局部线性平滑处理，使用带权重的主成分分析法(PCA)对三维数据进行重新投影，以降低异常值和噪声的影响。对比原始基于规则化分块的流形学习办法，实验结果能更好的表达所检测障碍的形态信息。