自主移动机器人是当前机器人研究的一个热点,机器人感知外界环境的重要的手段之一是机器人的视觉系统。机器人视觉主要是对获得的目标图像进行分类识别,图像识别是模式识别的一个方面。在模式识别领域中,支撑矢量机作为一种新的理论已经吸引了很多的学者进行研究,在模式分类应用中取得了巨大的成功。支撑矢量机在模式识别时主要是进行样本间的点积运算,因此对于高维样本的处理非常有效,这就为我们用基于表象的方法完成目标图像识别提供了方便。基于表象(aspect-based)的图像识别方法是把待识别图像的每一个象素点作为训练样本的一维,因此这种方法中样本的维数是相当高的。传统的支撑矢量机在训练时要进行凸二次规划,因此对高维样本训练时就要求很大的存储空间而且消耗很长的运算时间,因此我们结合改进的支撑矢量机版本——最小二乘支撑矢量机——来进行基于表象的目标图像识别。最小二乘支撑矢量机(1)以等式约束代替不等式约束,计算简单,效率高;(2)所需的存储空间明显小于计算标准支撑矢量机时所需的存储空间,因此用最小二乘支撑矢量机来完成基于表象的目标图像识别是十分有效和合适的。实验结果表明我们的方法有非常好的识别率,在各种扰动(各种噪声、移位、两者的结合或者遮盖图像的一部分)的干扰下,只要扰动不大,正确识别率非常高,而且相对于传统的方法,训练时要求的存储空间明显减少,同时运算效率有很大的提高。因此当我们把该算法应用于实际的系统时取得了良好的结果。