如何提高移动机器人的自主导航能力和对环境的适应性，是实现移动机器人在复杂、不确定环境中成功应用的关键问题。由于强化学习能在与环境的交互中进行学习，且具有无需教师信号和先验知识的优点，其在机器人导航方面的应用已越来越多。在详细分析了移动机器人智能导航方法和强化学习算法的基础上，采用Q学习算法的lookup表格法，通过人工势场法的势场力方向与目标相对于机器人方向之间的夹角变化设计强化函数值，仿真实现了在复杂、未知环境下的移动机器人导航，验证了算法的有效性。 同时，为了对机器人实际工作环境状态进行探测，采用视觉传感器和声纳传感器分别对目标和障碍物进行状态识别。提出了基于圆形度的改进的目标识别算法，这种算法可以消除球体与地面接触部分的阴影对识别产生的影响。在Visual C++环境下结合机器人函数库编写软件对摄像头采集的图像进行处理并对识别算法进行验证，结果显示该算法具有较高的识别率和较好的实时性。