随着机器人行业的发展,基于机器人的自主导航和目标检测技术逐渐成为一个热点方向。但传统方法高额的计算开销,外部环境的复杂多变以及嵌入式系统计算资源的有限性,使其成为一个难点问题。如何实现准确高效的自主导航算法,同时对特定目标进行检测,对实现机器人自主导航和目标检测具有重要的研究意义。近几年,很多学者开始关注基于卷积神经网络的视觉导航算法,该方法可以由原始图像直接得到导航方向,计算资源需求少,而且省去了由环境地图得到导航指令的逻辑设定问题。本文深入分析了视觉导航和目标检测技术的关键问题,以提高算法准确度和实时性为目标开展研究。本文提出了一种结合边缘特征的视觉导航方法。为探究基于卷积神经网络的视觉导航方法能利用单张图像进行导航的原因,利用了卷积可视化方法对算法进行解释与分析,发现算法主要关注图像的边缘特征。于是本文提出首先使用canny算子对图像进行边缘提取,提取到的边缘特征作为先验信息和原图一起作为卷积神经网络的输入。本文对网络结构进行了改进,用于提升算法准确度。最后在公开数据集上的对比实验验证了算法的性能。本文提出了一种同时实现视觉导航和目标检测的多任务卷积神经网络,用于机器人自主导航和目标检测。网络结构为:输入图像经过主干网络提取特征后,连接视觉导航和目标检测分支网络,分别实现视觉导航和目标检测。两个分支共享主干网络,提升算法效率降低功耗,便于算法在嵌入式系统上使用。除此之外,对目标检测算法进行网络结构等方面的改进,使用跨层连接结合了不同尺度的特征信息用于目标检测,提升了算法效果。为了进行实际实验,提出了一种数据集制作方法并制作了一个机器人数据集。在公开数据集和自制数据集上的实验表明,提出的方法具有较好的准确性和实时性。本文搭建了视觉导航与目标检测实验平台用于算法的实验验证。首先,基于ROS机器人操作系统,设计了话题节点与控制逻辑,设计了实验场景用于实验。然后,实验平台搭载本文提出的目标检测算法,在室内场景进行了实验,在不同角度、不同距离等情况下,算法均能准确快速检测目标,验证了提出算法的准确性和实时性。最后,实验平台搭载本文提出的视觉导航与目标检测多任务网络,在存在障碍物的室内楼道场景进行了实验,实验平台能够正确视觉导航运行,同时能够检测到目标物体,验证了本文提出的多任务网络的实用性。