地面智能机器人是一种能够在室内和室外环境下连续的，实时的自主运动的机器人。地面智能机器人的研究已经成为高科技领域战略性研究目标，随着军用、民用和科学研究等领域巨大需要的推动，其正经历着日新月异的变化。视觉导航是地面智能机器人研究中的核心技术之一，因此本文主要对视觉导航中的若干问题作了研究，主要包括室外自然环境下的视觉仿真系统，基于视觉的移动机器人楼梯跟踪，畸变校正和摄像机标定，以及立体匹配算法。随着研究的不断深入，移动机器人本身性能和指标的不断提高，这样就会导致机器人实时导航和避障中用到的设备复杂，价格昂贵，所以地面智能机器人研究的前期工作最好通过仿真系统进行。基于此目的，本文建立了一个室外自然环境下的视觉仿真系统，通过设定OpenGL中基于针孔摄像机模型视锥的各项参数、截取并保存屏幕象素来实现摄像机仿真；利用射线跟踪的方法进行激光雷达的仿真；通过提取地形数据的方法进行立体视觉的仿真。该仿真系统能够比较真实的反映移动机器人在行进过程中的视觉传感器数据获取情况，利用该系统可以很好的为后期模块提供仿真实验数据。针对城市环境下楼梯的特征，提出了一种快速、稳定的楼梯跟踪算法，利用标定得到的参数进行图像的畸变校正，通过边缘检测后的图像消除非楼梯边缘信息，使用快速有效的方法拟合所有的楼梯边缘信息，并通过建立机器人爬楼梯的三维视觉模型方法来计算机器人的偏移角，最后给出一种控制策略。针对摄像机中的畸变问题，本文提出了一种基于直线特征的图像畸变校正方法，并利用校正后的图像进行摄像机标定。畸变校正方法提取多幅图像中多组不同方向的平行直线，并对其利用非线性最小二乘方法进行优化以得到最优的畸变参数，在优化过程中，采用多步渐进的策略，该方法不需要已知三维世界坐标，易于实现，可以在机器人行进过程中自动进行；在摄像机标定过程中，首先利用校正后的图像进行角点的检测，并提出了一种将其与现实场景空间点自动对应起来的策略。动态规划是立体匹配中常用的算法，针对动态规划算法生成的视差图中视差不连续处的误匹配问题，本文提出了一种利用左右一致性约束来消除这些误匹配点的算法DP+LRC，并使用一种快速的算法重新填充这些误匹配点；由于动态规划算法中存在着同一扫描线中误匹配点扩张导致明显条纹的问题，以及不同扫描线之间不够平滑的问题，本文提出了基于地面控制点的迭代动态规划算法GCP+IDP，可以很好地消除上面两个问题。基于全局能量最小化的算法是当前立体匹配算法中效果最好的一类，本文提出了一种基于分割的两步算法Seg+GA，首先将图像分割成同视差的小区域，然后填充部分区域，最后剩余区域使用遗传算法进行优化，得到稠密视差图；提出了一种基于颜色空间距离的置信度传播立体匹配算法CSD+BP，算法中利用了彩色图像的颜色与空间信息建立视差空间图，并使用削减的线性模型来定义视差图的平滑项，最后使用置信度传播进行优化计算。