通过检测识别图像中的灭点位置可用来辅助矿井巷道移动机器人进行自主导航。针对现有的灭点检测方法在光照条件差、结构化信息不足的矿井巷道场景下误差较大的问题，提出了一种矿井巷道复杂场景灭点检测方法。首先，对图像进行缩小、滤波、灰度化等预处理，以大幅减少计算量，较好地保留直线特征；然后，采用直线检测算法对图像进行直线检测，引入直线长度阈值和平均梯度约束分别剔除长度小的干扰直线和图像中由阴影产生的干扰直线，并采用块匹配算法生成图像的块运动轨迹直线；最后，将剔除干扰后的直线和块运动轨迹直线转换为参数空间中的样本点，采用局部异常因子算法求出每个样本点的离群因子值，并将样本点的离群因子值和对应直线长度共同作为衡量样本点重要性的标准，据此设计加权回归算法的权函数，从而得到灭点的最佳估计。在矿井巷道数据集与公共数据集上的实验结果表明，与基于边缘的灭点检测方法和基于深度学习的灭点检测方法相比，本文方法对光照变化有较强的鲁棒性，在光照条件差、缺乏直线信息的复杂场景中具有更高的精度，且实时性优于基于深度学习的灭点检测方法，能够更好地满足矿井巷道机器人导航需求。