随着移动机器人的应用越来越广泛,在室外非结构化复杂环境下实现其自主行为和决策是机器人领域的研究热点之一,其首要问题是如何解决机器人的自主定位。目前在室外环境下普遍采用的定位方法是惯导和GPS相结合的方式,但GPS容易受到多径误差、信号丢失、阻塞等问题的影响,导致其定位存在一定的局限性。因此在GPS数据丢失乃至完全不可用情况下的定位问题是近年来兴起的新热点和研究趋势,其中以立体相机为感知手段的视觉里程计技术受到广泛关注。视觉里程计是指通过从机器人运动过程中获取的图像中提取特征,根据相机成像模型和环境特征的图像坐标变化,估计机器人的位姿变化。本文以国家自然科学基金项目《基于集理论的野外机器人复杂地形环境建模和同时定位研究》(61005092)为依托,针对室外复杂地形环境下移动机器人基于立体相机的视觉里程计方法进行了深入研究。具体内容如下：针对双目乃至三目立体相机的标定问题进行了研究。考虑双目相机两个摄像头之间的相对位姿关系,建立了双目标定优化模型,以解决双目标定的问题,其次针对三目相机的标定做了进一步的研究,提出利用三个摄像头之间的冗余信息,建立带有三目几何约束的统一的标定优化模型,从而解决了三目相机的标定问题。针对视觉里程计方法中的特征匹配和跟踪问题进行了研究。首先对于同一时刻不同摄像头采集图像的特征点匹配问题,提出了一种改进的基于SIFT特征点的立体视觉匹配算法,采用BBF树加快特征点的匹配搜索速度,同时在传统匹配过程中加入了极线约束、特征点局部区域颜色信息的相关性等约束条件滤除错误的匹配点,提高算法的实时性和匹配精度；其次对于前后帧图像特征点的跟踪问题,通过同时考虑立体图像的时间和空间上的相关性,利用相邻两帧特征点对的空间位置的一致性滤除误跟踪的特征点,提高匹配的准确性和效率。针对视觉里程计方法中的运动估计算法进行了研究,提出了一种基于RANSAC滤波的最小二乘估计和光束平差优化相结合的分层运动估计方法,首先利用RANSAC滤波方法,通过迭代的方式剔除外点以获得较为准确的初始位姿矩阵估计;在此基础上利用前后两帧图像迭代优化和利用滑动窗口机制批量优化的两阶段局部光束平差方法做进一步优化处理,从而获得更为准确的全局优化定位结果。此外还采用EKF滤波方法对惯导信息和视觉里程计信息进行融合,通过惯导信息来增强视觉里程计定位系统的精确性、稳定性和鲁棒性。在上述研究的基础上,本文以配备有三目相机的MT-FR履带式移动机器人作为实验平台对室外大范围环境中的视觉里程计方法进行了广泛的研究和实验验证,其结果表明本文所采用方法的可行性与有效性。