随着科技的不断进步,机器人逐渐走进人们的视线,NAO机器人作为在世界范围内研究运用最广泛的机器人之一,其单目视觉逐渐成为人们研究的热点。本文以NAO机器人为开发平台,以机器视觉为基础,搭建迷宫,模拟物体搜救的场景,实现在未知的迷宫环境中,找到物体、抓取物体,并挑选最优返回路径,把物体成功带出迷宫。本文首先介绍了 NAO机器人的硬件设备、软件环境、视觉系统及其研究现状,然后分别对路径规划、航偏校正、目标识别与抓取、最优返回路径进行了深入研究。本文的主要工作分为以下四个部分:在路径规划方面,由于物体在迷宫中的位置未知,因此通过比较常用的两种路径规划算法,即深度优先搜索算法和广度优先搜索算法,选取深度优先搜索算法进行路径规划,以此搜索物体。在航偏校正方面,NAO机器人在迷宫里由于电机自身误差、发热等因素会造成行走偏差,最终导致机器人碰撞迷宫墙壁,影响机器人的正常行走。因此,提出了航向修正、机体侧移相结合的校正方法。在目标识别与抓取方面,通过阈值得到物体的二值图,并计算出轮廓的周长、面积。设定阈值判定周长、面积以及周长的平方与面积的比值,当三者同时满足阈值条件时,则该轮廓是目标物体的轮廓。计算物体的中心在图像中的位置,通过多次调整机器人的位置、角度,并且持续判断物体的中心在图像中的位置,使小棒位于摄像头视野中的特定位置。当小棒的中心在图像中处于可抓取的范围内时,执行预先设定好的抓取动作,实现小棒的抓取。在最优返回路径方面,当在进行路径规划时,是不断存储迷宫信息的,因此当迷宫出现新的路径信息时,则添加到列表中,当出现死角时,则进行相应的调整,并对列表进行相应的删除和添加。依此规律,最终找到物体时,列表中存储的就是最短路径,抓取完物体后,进行回溯操作,不断提取列表中的最后一个列表,判断方向,并进行相应运动,即运用了找到的最短路径,把物体带出迷宫。本文采用Python进行程序的编写,利用NAO机器人进行实验,实现在迷宫中找到物体、抓取物体,挑选最优路径返回的目的。通过分析实验结果,验证了算法的有效性和鲁棒性。