La velocidad y precisión de la extracción de carreteras de navegación y la estabilidad de conducción afectan la precisión de inspección de los robots de inspección de gallineros en jaulas. En este documento, se propuso un nuevo factor de escala de grises (4B-3R-2G) para lograr una extracción de carreteras rápida y precisa, y se propuso un algoritmo de ajuste de línea de navegación basado en las características del límite de la carretera para mejorar la estabilidad del algoritmo. El factor de escala de grises propuesto logró una precisión de segmentación del 92.918%, y la velocidad fue seis veces más rápida que el modelo de aprendizaje profundo. Los resultados experimentales mostraron que a una velocidad de 0.348 m/s, la desviación máxima de la navegación visual fue de 4 cm, la desviación promedio fue de 1.561 cm, la aceleración máxima fue de 1.122 m/s, y la aceleración promedio fue de 0.292 m/s, con el número de detecciones y la precisión aumentados en un 21.125% y un 1.228%, respectivamente. En comparación con la navegación inercial, la navegación visual puede mejorar significativamente la precisión y estabilidad de navegación del robot de inspección y llevar a mejores efectos de inspección. El sistema de navegación visual propuesto en este documento tiene mejor estabilidad de conducción, mayor eficiencia de inspección, mejor efecto de inspección y menores costos operativos, lo que es de gran importancia para promover el proceso de automatización de la cría de gallinas en jaulas a gran escala y lograr un monitoreo rápido y preciso.