移动机器人的研究已成为机器人研究领域的一个热点,在移动机器人研究的相关技术中,正确感知当前环境是顺利完成后续任务的重要前提。因此,对地表图像进行分类具有重要的研究意义。近年来,机器学习方法与环境感知相结合的研究已成为了国内外移动机器人、机器学习乃至计算机视觉等研究领域一个主要研究方向。本文对传统的支持向量机(SVM)理论进行了研究,并将它用于地表图像的分类问题,实现了基于支持向量机方法的地表分类系统。实验表明,传统的支持向量机方法虽然能获得比较好的效果,但需要大量人工标记的样本进行分类器的训练,代价昂贵,也影响分类器的训练速度。因此,本文引入了主动学习方法来加快SVM的训练速度。主动学习方法不需要标记所有的训练样本,能够在机器学习的进程中,主动选择最有利于改善分类器性能的样本添加到训练样本中进行学习,从而有效地避免了过多的人工干预,减少了训练样本数量。实验表明,基于主动学习的SVM算法是有效的,能够在保证分类器性能的前提下有效地减少了学习样本的数量。