随着大数据与人工智能技术的快速发展,越来越多的移动智能机器人出现在人们的生产生活中。然而,检测前方路径上的障碍物则是移动机器人实现自动避障和智能导航的关键,因此,本文在立体视觉技术的基础上提出一种基于双目立体视觉的障碍物检测方法。主要工作概括如下:（1）对双目立体相机的成像模型进行研究分析,并通过对比不同相机标定方法的优缺点,选择操作简单、标定精度较高的张氏标定法对所使用的相机进行标定。同时为了提高标定精度,在使用张氏标定法进行标定时,将切向畸变和径向畸变同时作为考虑因素加入到相机的畸变模型中来描述相机的非线性畸变。（2）对左右相机拍摄的图片进行立体匹配时,针对传统立体匹配算法在重复性纹理和弱纹理等病态区域的视差估计不准确及匹配效率低的问题,通过对PSMNet立体匹配网络进行优化改进,提出一种基于PSMNet改进的立体匹配算法。其中,在特征提取阶段,为了在扩大卷积核感受野的同时不增加模型的复杂度,采用split-transform-merge的网络结构和空洞空间金字塔结构分别提取左右图像的单一特征信息和多尺度空间特征信息;在3D卷积阶段,为了减小卷积过程中空间特征信息的损失,提出一种基于Encode-Decode的3D CNN结构去正则化匹配代价体。实验结果表明,与PSMNet、SGM-Net等多种基于深度学习的立体匹配算法相比,基于PSMNet改进的立体匹配算法拥有更加出色的综合性能。（3）通过对U-V视差图的结构和原理进行研究分析,并针对U视差图的不足,提出一种基于V视差图的随机搜索算法来检测视差图中的障碍物。其中,在直线段的拟合过程中,为了更好的拟合V视差图中的直线段,提出一种基于LSD的线段拟合算法。实验结果表明,相比于使用U-V视差图进行障碍物检测,所提出的基于V视差图的随机搜索算法不仅拥有更高的检测精度,还拥有更快的检测速度。（4）通过立体匹配实验、距离测量实验和障碍物检测实验来进一步验证本文所提算法的鲁棒性。