智能移动机器人的研究体现多学科交叉领域的综合智慧,对它的研究和应用受到国内外学者的高度关注。基于视觉的低层次匹配感知、中层次检测规划和高层次辨识理解是机器人实现真正智能化的关键技术,是最具有挑战性的研究课题之一。作为复杂的系统性问题,立体匹配、运动规划和图像理解需要综合考虑图像的感知表达、行为的规划执行和知识的学习推理所采用的具体技术。本文面向机器人视觉研究了从低层次到高层次的算法和应用。首先概述了相关技术的国内外研究现状,阐述了目前研究的重点问题以及技术发展趋势。然后从三个方面概述本文解决问题的思路：第一方面,面向立体匹配和检测,从匹配代价和优化算法出发,提出兼顾匹配效率和性能的匹配算法,随后设计障碍物检测方法；第二方面,面向运动规划和行为,提出复杂环境下混合式集成交互结构和各模块的技术实现；第三方面,面向目标识别和分割,在融合式特征构建基础上,提出层次式知识推理的目标识别框架和模型推理过程。最后本文通过大量真实场景下的实验分析了所提方法的性能。从体现感知检测的智能角度,面向基于立体视觉的障碍物检测,本文构造了由粗到精的分层视差偏移框架提高匹配算法效率。设计了自适应二重加权聚合环节提高代价衡量的合理性。在此基础上,提出双向多映射动态规划方法,融合递推过程的不一致性。每向迭代过程同时引入了水平和垂直约束优化,采用多路近优的映射转移结构,提高了后续回溯的全局性。在高可靠控制点指导的寻优过程中,设计的能量函数一方面融入了惩罚和奖励因子,另一方面集成了多扫描行约束的全局信息。横向和纵向比较实验表明所提匹配算法兼顾了精度和效率两方面性能。进而将其应用到障碍物检测中,本文提出了感知-验证结构的两阶段检测方法,真实场景的实验验证了该方法的有效性和实用性。从体现运动行为的智能角度,面向未知、动态、混杂场景下的运动规划,本文从模块间集成机制和各模块实现技术方面设计了一种混合式运动规划方法。通过综合慎思式智能和反应式评估反馈,提出协商-选择双向交互的集成机制。在慎思式模块中,设计了多层状态格结构和控制集切换机制,构建了弹性的配置空间。进而为加速慎思式产生效率,提出了基于后备树启发式更新结构的多任务并行的搜索算法。在反应式模块中,设计了分阶段评估的动态优化策略以及依赖形势的调整方式,采用分级结构集成这两种模式。在Pioneer 3DX移动机器人平台上的大量实验验证了复杂场景下该方法的有效性、可靠性和鲁棒性。从体现认知识别的智能角度,面向机器人的图像理解应用,本文在分析了图像特征描述的基础上,通过关键点多刻度多方向的表征并配合PCA降维,构建了一种局部不变特征描述符。基于此特征,以串行融合方式集成多刻度方向梯度直方图综合地表征了局部外观描述。随后,以并行融合方式集成全局空间纹理结构构成了混合式特征观测器。进一步从判别式推理模型方面,提出了一种层叠式条件随机场框架。通过训练的分配函数模型自动由低层随机场节点组建高层随机场节点,表征局部不同级别部件的空间关系。此外,高层随机场的输入增加了置信集的观测,并同时构建了类别共现、相对位置和相对刻度上下文关系。从多类的目标检测和目标分割两个方面,在大量真实场景图像上实验,并通过与PASCAL挑战赛上的代表性方法比较,定量和定性地验证了该方法的性能改善。