本研究以为自主行走农业机器人提供视觉导航信息为目标，在充分总结和继承国内外先进研究成果的基础上，探索应用现代图象处理新方法，通过对复杂农田景物环境视觉图象信息的处理、理解，使农业机器人能够根据CCD摄像机对周围环境实时测得的信息，规划出行走路径、并确定机器人与路径的相对位姿。为其能够在没有人工干预的情况下移动到预定目标，实现视觉导航奠定基础。 农田景物图象处理是自主行走农业机器人视觉导航信息处理技术中最基础的内容。由于受光照条件、图像噪声、摄取角度、距离等因素的影响，图像中的农作物水渠、田埂等大部分丧失了细节轮廓特征，边缘也远非理想，而更多地在宏观上呈现纹理特征，传统的微分运算提取图象区域特征难于奏效。本文在第二章主要分析了农田景物图象的一般特点，采用了自上而下知识驱动的方法实现农田图象的区域检测。首先用低通滤波对原始图像进行预处理，然后采用给定阈值的图像二值化，再利用数学形态学理论二值膨胀滤除细小纹理，最后依照先验知识获得较完善的农田景物不同区域的方法。通过实验证明该方法是可靠的，能够得到预期的农田景物有效区域。 边缘特征是视觉导航定位的重要特征，它影响到视觉导航时景象的匹配定位精度。本文在第三章通过研究小波与图象边缘检测和对具有边缘局部化的边缘检测小波的特性分析，给出了具有边缘局部化的边缘检测小波的滤波器组；针对农田图象提出一种定位性能良好的小波边缘检测算法。准确地提取了农田景物边缘轮廓线。运用此方法在计算机上对图像做边缘提取，得到了连续、光滑、单像素宽的边缘链图像。表明这种边缘提取方法有效、可行。 自主行走农业机器人自定位技术是机器人视觉导航信息处理技术中最重要的一个组成部分。本文第四章通过对机器人的近景成象几何进行建模；提出了利用虚点提取检测实现摄象机参数标定的方法；给出了从图象到场景现实空间的三维计算，最终确定了机器人与路径的相对位置、方向，从而抉得自定位信息。最后通过实验证明了该方法的正确性。