随着科学技术的不断进步,国内外学者对智能机器人的研究越来越关注。具有人类外部特征的仿人机器人更是受到了人们的青睐并且得到了迅猛的发展。其中,仿人机器人自主行走研究成为仿人机器人研究领域的一个热点,而机器人视觉研究对研究机器人自主行走具有重要意义。本文采用EKF-SLAM算法实现了在室内环境中同时定位与地图创建,分别采用Color-contour方法与Harris-SIFT算法对环境中不同的Landmark进行识别,通过机器人头部的Laser传感器获取Landmark的位置及环境的地图信息,然后采用迭代分割法和最小二乘法创建环境地图。最后,对本文所提的方法利用NAO机器人进行了实验,验证了所提方法的有效性。具体的研究内容如下:首先,基于Color-contour方法对环境中颜色单一、形状规则的物体进行识别,使用Laser传感器获取目标物体的位置信息,并与EKF-SLAM算法相结合,从而实现NAO机器人的自主行走。在实验环境中设置Landmark和干扰物对所提方法进行验证,结果表明,NAO机器人只有在识别并判定视野中的物体是Landmark时,才会调用Laser传感器采集路标的位置信息,进而实现自主行走。此方法不仅能够有效的识别物体,还降低了NAO机器人进行定位的计算量。其次,基于Laser传感器采集的环境信息对局部环境地图进行了创建。建立URG-04LX Laser传感器模型,对Laser坐标系、NAO机器人坐标系和全局坐标系进行转换。对Laser获取的环境中所有物体的角度、距离和坐标等位置信息利用Laser传感器模型进行数据处理,然后采用迭代分割法和最小二乘法绘制环境地图。最后,通过实验对所提方法进行了验证。最后,针对环境中物体形状不规则、图像复杂的问题,提出将Harris-SIFT识别算法应用于NAO机器人的自主行走,提高了仿人机器人的识别范围。可实现仿人机器人对室内环境中的特定物体进行位置信息采集,避免对所处环境中所有物体都进行信息采集,提高了信息采集的智能性和抗干扰能力。然后将Harris-SIFT识别算法与EKF-SLAM算法相结合,通过实验完成了NAO机器人在室内环境中的自主行走。