随着智能无人车系统(Intelligent Unmanned Vehicle,IUV)的发展，无人车的在线感知能力日益受到重视，障碍物检测能力则是无人车在线感知能力的重要组成部分。因为视觉传感器具有价格低廉、感知数据中信息丰富等诸多优势，基于视觉的障碍物检测技术成为研究领域关注的重点之一。　　室外环境因结构复杂，随时会发生改变，无人车缺乏可有效利用的先验知识描述，导致众多障碍物检测系统在该环境中不能有效工作。本文采用全局-局部策略对场景进行由粗到精的分析，弥补室外环境先验知识不足的难题，提高无人车的在线感知能力。根据该策略，在视差投影图模块中，全局分析场景视差分布水平；在立体匹配模块中，局部分析场景前景目标的几何轮廓信息。针对实际应用中遇到的各种问题，提出了室外环境的障碍物检测算法。该算法具有如下特点：　　(1)通过分析视差投影图的地面关联线信息，获得场景的视差分布水平。该信息一方面用来动态更改视差搜索范围，增强算法的实时性和有效性；另一方面用来移除背景地表，简化障碍物分割过程；　　(2)采用双域滤波抑制噪声，获得清晰的边缘特征，降低立体匹配算法在深度不连续性区域的匹配难度；　　(3)在实现立体匹配过程中动态变更视差搜索范围的过程中，采用了逆向重投影算法，并得到验证；　　(4)采用基于连通成分的扩散方法替代传统的 SAD 局部匹配算法，获得高质量的视差图，最终改善障碍物检测的精确性。　　在室外环境中，本文对该算法进行了实验验证。通过设置不同的基线长度，验证了算法在不同的感知距离内的有效性。经实验证明，本算法在一定距离范围内能够有效的检测出障碍物。