目前室内变电站的巡检工作主要依靠人工完成,该方式存在工作量大、费时费力、误检和漏检等问题,而智能巡检机器人具有智能化、效率高等优点,可以代替人工巡检。室内变电站障碍物的识别和测距对于智能巡检机器人在巡检过程中实现避障很重要,然而目前存在的识别技术中大多无法同时保证准确性与快速性;测距技术中大多满足不了精度的需求。因此本文将对室内变电站障碍物的识别和测距技术进行重点研究。对于室内变电站障碍物的识别技术部分,针对Yolov4-tiny算法对室内变电站障碍物的识别速度较慢的问题,提出了一种基于通道修剪的Yolov4-tiny算法作为改进的基于视觉的室内变电站障碍物识别技术,以实现对室内变电站障碍物的高精度识别,同时减少识别所需时间和Yolov4-tiny的模型大小,并提高对室内变电站障碍物的识别速度。最后制作室内变电站障碍物数据集以通过实验证明基于通道修剪的Yolov4-tiny算法对室内变电站障碍物的识别可以达到上述效果。为后续基于视觉的室内变电站障碍物识别技术的工程应用奠定基础。对于室内变电站障碍物的测距技术部分,针对传统双目测距技术解决不了双目相机不平行的问题,提出了基于双目平行极线约束的天牛须搜索算法以提高双目相机的平行程度,从而提高对室内变电站障碍物的测距精度。利用该算法对双目立体标定参数进行优化得到最优参数,通过实验证明了该算法得到的最优参数可以提高双目相机的平行程度,为后续基于视觉的室内变电站障碍物测距技术在工程应用中提高测距精度奠定基础;同时针对传统双目测距技术测量室内变电站障碍物最短距离时测距范围存在冗余的问题提出了基于图像二值化和矩形顶点特征的Harris角点检测算法以实现对室内变电站障碍物检测框顶点的高精度检测和定位。将测距范围锁定在图像中室内变电站障碍物的检测框内,相比整个图像的测距范围有所缩小,提高了双目测距技术测量室内变电站障碍物最短距离时的有效性。并通过实验证明了该算法可以实现对室内变电站障碍物检测框顶点的高精度检测和定位,缩小了测量室内变电站障碍物最短距离时冗余的测距范围,为后续基于视觉的室内变电站障碍物测距技术在工程应用中提高测距有效性奠定基础。最后针对传统的双目测距技术对于室内变电站障碍物的测距精度较低的问题,将上述两种算法与传统的双目测距技术相结合作为改进双目测距技术,为后续基于视觉的室内变电站障碍物测距技术在工程应用中提高测距有效性奠定基础。最后将改进的基于视觉的室内变电站障碍物识别和测距技术嵌入到JETSON nano上,设计了基于视觉的室内变电站障碍物识别和测距系统的硬件方案和软件方案,并在220k V室内变电站的继电保护室中进行工程应用以证明该系统可以准确识别出室内变电站障碍物,并且可以实现对室内变电站障碍物更加快速精准的识别和更加精确有效的测距。最终证明了基于视觉的室内变电站障碍物识别和测距系统具有良好的使用价值,并为室内变电站巡检机器人的避障功能开辟了新的思路。