随着计算机视觉的快速发展,双目视觉技术在工业检测、科学研究等领域已变得不可或缺,其可以在不接触目标物体的前提下检测目标,同时获取目标的距离信息等,因此具有极高的研究价值。但由于实际情况复杂多变,仅仅依靠双目视觉技术无法很好地检测出目标,以及准确计算出目标距离信息等,同时速度方面也相对较慢。针对上述问题,本文将目标检测算法和双目测距技术相结合,构建基于双目视觉的目标检测与测距系统,其主要研究工作如下:（1）在目标检测方面,本文采用了轻量型的YOLOv5s目标检测算法。首先将本文所要识别的目标采用数据增强和Label Img标注方式自制数据集;然后运用迁移学习方法进行网络模型训练和测试;最后通过精准率、召回率、平均精度均值和图像每秒传输帧率四个指标评估YOLOv5s模型的检测性能,并将结果与其它几种比较典型的目标检测模型作对比。实验结果表明,YOLOv5s模型既保证了目标检测的准确性,又满足了实时性要求。（2）在双目测距方面,本文采用了基于双目视觉的目标测距方法。首先利用张正友标定法和Bouguet算法对获取的双目图像进行预处理;然后阐述了GC、BM和SGBM三种立体匹配算法,设计实验重点分析BM算法和SGBM算法的优缺点,并选择适合本课题的立体匹配算法对校正后的左、右图像进行像素点匹配,生成相应的视差图;最后根据双目测距公式进行目标距离估计获得真实场景中物体的距离信息。实验结果表明,基于双目视觉的目标测距方法的测量精度较高,误差在6%以内。（3）融合目标检测算法和双目测距方法,建立基于双目视觉的目标检测与测距系统。首先通过训练好的YOLOv5s模型对场景内的目标进行检测,得到目标的位置信息和类别信息;然后通过标定过的双目相机获取场景图像的视差图,并根据双目测距原理计算出被检测目标到双目相机的距离。为验证结果的有效性,本文依次在不同距离下对单个目标、多个目标情境下进行验证实验。实验结果表明,该系统能在实时获取目标类别信息的同时,准确计算目标的真实距离。