O crescente desenvolvimento de robôs e sistemas autônomos têm impulsionado as mais diversas áreas de pesquisa. um dos grandes desafios para sistemas autônomos é a tarefa de percepção do ambiente, permitindo ao robô “enxergar” o ambiente em que se encontra, através de sensores, como as câmeras digitais. a recente câmera rgb-d é capaz de captar imagens digitais (rgb) e informações de distância (d), tornando atraente o seu uso em áreas como a robótica móvel. o ambiente pode ser percebido e compreendido pelo sistema computacional através da captura dessas imagens e na aplicação de técnicas computacionais. a segmentação de objetos em imagem é uma grande área de estudo, com crescentes trabalhos, inovações e algoritmos, que podem ser divididos entre abordagens tradicionais e aprendizado de máquina. este trabalho possui o objetivo de comparar estas abordagens de segmentação de objetos, avaliando a viabilidade de uso para aplicação em cenas de diferentes ângulos de ambientes internos. para isso, foi realizada uma revisão sistemática de trabalhos de segmentação de objetos, formação de um dataset de cenas de ambientes internos, seleção e aplicação dos trabalhos no dataset formado, e, por fim, a comparação dos resultados através de métricas bem estabelecidas. os resultados indicam vantagens no uso de imagens rgb-d para a robótica móvel. indicam também resultados superiores das abordagens aprendizado de máquina em relação às abordagens tradicionais, mas que soluções combinadas podem oferecer melhores resultados. os recentes avanços e desenvolvimentos das abordagens aprendizado de máquina, das câmeras rgb-d e dos sistemas computacionais tornam promissores o desenvolvimento de pesquisas e aplicações de segmentação de objetos em imagens rgb-d.