随着移动机器人被越来越广泛应用于军事、工业以及人们生活等众多邻域,机器人的工作环境也逐渐向复杂的野外、太空等非结构化环境拓展。如何在具有随机性、多样性的非结构化环境中有效地获取目标物体的各种信息,从而进行自主导航成为了当前机器人领域重要的研究课题之一。移动机器人与其他生物一样主要是靠视觉来获取周围的环境信息,视觉传感器相比于其他传感器具有的优势相当明显。而且,随着研究者对飞行昆虫视觉神经系统研究的深入,发现使用复眼的飞行昆虫是通过检测视觉图像的时域变化(即光流)来控制自身的起飞、降落和避障等行为。受到昆虫飞行机理的启发,基于光流算法的仿生导航研究逐渐受到关注。目前,基于光流的避障方式比较单一,通常都是通过平衡左右两侧的光流幅值实现的。在实际的复杂场景中,这种方法会导致机器人频繁地变化转向,而且无法实现对称场景的避障,只能适应类似走廊的简单环境。因此本文对基于光流的机器人导航方法进行了研究,从优化导航方法的方向出发,进行了以下三个方面的研究工作:(1)在实际场景中应用中,传统光流算法常常存在对光照变化敏感,抗噪性差,不适应大位移运动等问题,计算结果误差较大,针对这些问题研究实现了一种光流的改进算法。通过带有真实光流数据的光流图像序列和真实场景图,将改进的光流算法与两种优秀的光流算法TV-L~1和SimpleFlow进行了算法的性能对比实验,实验结果证明了本文方法能有效地处理光照变化、噪声、遮挡和不连续区域对光流计算的影响,提高光流计算的精度,算法的总体性能最好。(2)基于改进的光流算法,设计了一种能适应非结构化环境的移动机器人避障算法。该算法将拍摄的连续图像序列作为输入,利用光流散度计算出碰撞时间TTC。通过TTC的平均值判断机器人是否需要避障,如果需要避障,通过设计的航向计算方法得出机器人需要旋转的角度,控制机器人实现避障。通过在未知的环境中进行的仿真实验和物理实验的结果说明,该算法能实现机器人的自主避障。(3)由于之前提出的基于光流的避障算法只是无目的的随意行走,无法实现机器人的导航问题。因此以人工势场法为理论基础,利用光流计算出的相对深度TTC构造人工势场的斥力势场,机器人的位置信息与目标的位置信息构造引力势场,将光流与人工势场法结合起来,在这两种势场的共同作用下实现了机器人实时地躲避障碍物和到达目标的任务。课题得到国家自然科学基金项目(NO.61573029)和北京市自然科学基金项目(NO.4162012)的资助。课题的研究工作对于仿生的移动机器人导航方法研究具有重要的参考意义。