目前越来越多的国家将陆空机器人应用到军事侦察方面，对其性能要求越来越高，侦察过程中很难对陆空机器人进行跟踪操控，机器人需具备自主运行能力. 为了提高机器人的续航能力，平台工作时以地面模式为主，以空中机动为辅；为了更好地发挥陆空机器人的跨域特性，进行自主跨域越障研究.

障碍物检测是自主跨域越障的前提，随着科技的快速发展，基于视觉传感器的障碍物检测方法已成为研究热点. 基于颜色特征模型的障碍物检测方法利用不同物体具有不同色彩属性的原理进行障碍物检测[1-2]，但在色彩差异较小的环境中检测效果较差，且不能提取障碍物的三维信息. 基于光流法的障碍物检测方法对动态障碍物检测表现良好，但对静态障碍物检测不敏感[3-4]. 基于边缘检测技术的方法可以提取障碍物的边缘信息，但是包含地面干扰信息[5-6]. 基于双目立体视觉的障碍物检测方法可以有效地获取障碍物的三维信息[7-10]，美国研制的勇气号火星探测机器人利用此方法进行前方障碍物的检测[11]. 邓祥等[12]提出了快速区域匹配算法进行障碍物检测，利用阈值来分割障碍物区域，可以去除无效的干扰信息，该算法具有较好的检测效果. 基于深度学习的方法具有检测能力强、鲁棒性好等优点，但是也存在对硬件要求高等缺点. 针对以上方法存在的不足，本文采用深度相机采集的深度图像进行障碍物检测.

目前，针……