随着航空业的发展,机场跑道作为飞机起飞降落的重要平台,其安全问题越来越受到重视。机场跑道异物FOD(Foreign Object Debris)和裂纹是对飞机起飞降落安全威胁最大的因素。因此,机场定期检测跑道异物和裂纹,是确保飞机飞行安全的重要环节。国外自动检测跑道异物的设备研究开始时间较早,现已经研究出不同类型的实时检测系统,并广泛应用于机场。国内相关研究起步较晚,类似功能的自动化系统在机场的应用报道较少。因此,自动检测机场跑道异物和裂纹的设备成为国内机场的迫切需求。根据国内外的研究,结合现代智能跑道检测机器人系统的技术发展,本论文基于移动机器人平台,设计了一种用于机场跑道异物和裂纹检测的机器人视觉系统。在白天、晴天的天气条件下,此机器人视觉系统采用光学摄像头采集跑道图像,利用图像处理算法检测机场跑道异物和裂纹目标,并对检测到的异物和裂纹目标进行目标识别。论文设计了视觉系统的硬件平台,实现了视觉系统的图像处理算法。硬件平台采用DSP+FPGA的图像处理架构,充分发挥两种处理器的优势,满足图像处理实时性要求。对整个算法流程,进行了MATLAB仿真研究,验证了各个算法的有效性和可执行性。论文针对含有标线的跑道图像的目标检测,传统的目标检测算法会误把标线检测为目标,导致检测目标失败问题,将传统的目标检测算法进行改进,得到两种改进算法:基于填充的背景差分法和改进的边缘检测算法。通过仿真验证了改进算法的准检率,结果表明:对于机场跑道异物和裂纹检测,两种改进算法的准检率比较于传统的目标检测算法的准检率都有所提高。针对于机场跑道异物和裂纹目标的识别问题,论文采用基于特征的目标识别方法。设计了 BP神经网络目标分类器,并进行了目标识别分类仿真研究。通过与SVM目标分类器进行对比,表明BP神经网络目标分类器具有较高的识别率,说明了BP神经网络分类器在分类机场跑道异物和裂纹目标具有一定优势。最后,论文对整个算法进行了硬件实现,完成算法硬件调试。并对视觉系统进行目标识别实验验证,结果表明:在实验给定的实验条件下,本文设计的视觉系统可以有效的检测和识别机场跑道异物和裂纹目标。论文的研究为机场跑道的异物和裂纹检测提供了一种较好的解决方案。