以机器视觉为基础的路径检测是农业领域的热门研究问题，常用于识别、定位、导航的应用。温室骨架和植株生长的不确定性，增加了路径检测的难度，因此温室中的路径检测问题成了制约温室生产装备自动化的一个重要因素。为合理检测出正确的路径线，本文将单目视觉为基础的路径检测应用于温室中，以人工标志物(暖气管线)作为机器视觉的检测目标，这是因为人工标志物具有固定不变性，适合于温室内导航标志和机器作业操作的参考坐标。采用Susan算子和Hough变换相结合的方法检测人工标志物直线作为路径线，重点研究Susan算子中参数组合的设计，并对检测结果的精确性进行了分析。其主要的研究工作及结论为：　　 (1)将Susan算子点检测和Hough变换相结合，检测温室中的人工标志物直线为路径线。根据Susan算子的原理及特点，将标准Susan算子改造为二值化形式，采用二值图像Hough变换进行验证。最终结果证明，改造后的二值化Susan算子与Hough变换相结合，可用于温室中人工标志物直线的检测。采用此方法的原因是，采用改造后Susan算子点检测分割的图像中，存在的优势点集可保证其在Hough变换参数空间中峰值的正确固定顺序；而且Susan算子在图像处理的速度上具有明显优势。　　 (2)提出处理Susan算子参数的逆问题框架，建立了一种确定Susan算子中参数的交互式学习方法，并以温室中导热管线为目标进行了实验验证。试验结果表明，对导热管线的提取而言，检测对象和背景对象的学习样本点规模各取50个，已可完成Susan算子参数的学习。利用集合概念将均匀指标n(x0，y0)划分为相离、相切和相重三种情况，并根据学习样本点变差曲线确定了Susan算子参数组合(T，g)。　　 (3)将得到的Susan算子组合参数(T，g)结合Hough变换结合，进行温室中人工标志物的检测验证，结果表明，这样选择的组合参数(T，g)可使被检测的人工标志物在Hough变换参数空间中具有稳定的峰值次序，可用于直线的自动检测。提出利用覆盖率来衡量标志物检测过程中的植株遮挡问题，实验表明当覆盖率超过30％，标志物不能被有效的检测，即出现错误的检测结果。　　 (4)以透视变换为基础采用对摄像机内参数进行标定，采用实测法对摄像机外参数进行标定。根据图像像素坐标系、图像坐标系、摄像机坐标系、世界坐标系这四种坐标系之间的关系，以及摄像机内外参数，得出检测的标志物直线的角度信息k和宽度信息b。将检测出的人工标志物直线角度k和宽度b与实际测量值进行对比比较，直线A和B角度的平均误差为0.2110度和0.3220度，宽度的平均误差为30.1971，并对造成检测误差的主要原因进行了分析。