双目立体视觉是视觉研究领域的一个重要分支,双目立体视觉通过模仿人类的认知方式,运用双目相机采集图像信息,根据视差原理恢复场景的三维信息。近年来,随着计算机视觉技术的飞速发展,双目立体视觉广泛地应用于智能交通、工业检测、机器人导航、目标识别和宇宙探索等领域。本课题以室内障碍物检测为应用背景,以双目相机采集室内真实场景的图像信息为处理对象,通过匹配出的稠密视差信息进行障碍物的检测,这对服务机器人定位、路径规划和智能导航的深一步研究具有重要意义。本课题研究的主要内容包括:摄像机标定、立体匹配和障碍物检测。精确的摄像机标定是实现立体视觉障碍物检测的基础。通过对摄像机成像的原理、成像模型和常用的摄像机标定方法分析与介绍,结合本课题的研究需要,选取对实验设备要求不高、操作简单、精度高、可靠性好的张氏标定法进行双目相机的标定实验,通过实验验证,采用该方法能够获取精度较高的摄像机标定数据。立体匹配是实现立体视觉障碍物检测的关键。通过对立体匹配的相关理论和常用的立体匹配算法的分析与介绍,结合障碍物检测对视差图精度的要求,重点研究了基于贝叶斯定理的立体匹配算法,该算法对像素的特征描述是基于灰度梯度的,本文则在颜色梯度的基础上定义了一种新的特征向量,并利用该特征向量对该算法支撑点获取进行了改进。实验证明,改进后的算法对弱纹理、视差不连续等区域有明显的改善效果,在立体匹配过程中,能够有效地减弱误匹配带来的影响,生成的视差图精度明显提高。本文引入了一种基于U/V视差法的障碍物检测算法。传统的U/V视差法往往只能检测到障碍物的局部信息,为此,本文对该算法进行了优化。优化的基本思想是:同一物体的不同区域视差很接近,因而可以在一定视差范围内进行迭代搜索,从而逐渐逼近障碍物的真实位置。然后利用原贝叶斯算法和改进后的贝叶斯算法获取的视差图,分别进行了障碍物检测实验。经实验验证,改进后的算法在障碍物检测精度方面优于原贝叶斯立体匹配算法。