随着VR技术的日益成熟,越来越多的实验室开始引入VR设备,将教学项目虚拟化进程推向了一个新的高潮。然而在多人VR实验环境下,由于带上VR设备后与外界环境完全脱离,如何避免实验人员之间的碰撞成为了一个难题。如果所有实验人员都佩戴了VR设备,可以通过设备的定位来防止碰撞,但是现实情况往往复杂多变,需要一种准确、实时、视场范围广的解决方案。双目立体视觉技术根据一组二维图像获取场景的三维信息,该技术具有精度合适、非接触式、成本低等优点,在各领域得到了广泛应用。基于鱼眼镜头的双目立体视觉技术,其优势在于可以实时获取大视场图像信息。近年来,随着深度学习技术的发展,立体视觉领域出现了一系列基于深度学习的算法,并在各数据集上取得了领先的成果。本文以基于VR设备的鱼眼双目立体视觉算法为研究对象,主要工作有:（1）鱼眼图像进行校正后,周边区域由于插值算法等因素会出现物体轮廓模糊、特征信息缺失的现象,导致立体匹配结果出现噪声,精度下降。传统方法将周边区域完全舍弃,但这与鱼眼相机获取大视场图像的设计初衷相违背。通过分析立体匹配算法原理与图像周边区域成像特点,本文提出一种结合边缘检测算子的特征信息增强预处理算法。针对鱼眼图像校正后的周边区域,通过实验对比了各边缘检测算子的提升效果。实验数据表明,结合Sobel算子,该算法可以提高GA-Net在鱼眼图像校正后的周边区域的准确率。（2）在弱纹理区域中,由于特征信息缺失或存在多个相似候选区域,导致立体匹配算法难以确定唯一的对应点。而VR教学实验场景中存在大面积的空白墙壁,符合弱纹理区域的特征。在这些区域,立体匹配算法出现大面积的噪声,精度下降。通过分析具体实验场景模型和立体匹配算法原理,结合鱼眼相机大视场的优势,本文提出一种基于图像分割算法的分区域后处理算法。实验数据表明,针对存在大面积弱纹理区域的图像,该算法可以有效地减少噪声,提高GA-Net的准确率。（3）结合上述两种算法,设计了一套基于VR设备的鱼眼双目立体视觉防碰撞原型系统,在HTC公司的Vive Pro VR设备上完成了部署,并通过实验论证了该系统的可行性。