智能机器人在行进过程中,需要感知环境中的障碍物信息,以便规划处其前进路线,如何实时准确地检测出环境中的障碍物成为机器人自主导航的研究热点。双目立体视觉通过同时拍摄同一景物,根据三角测量原理,得出该景物的深度信息,从而重建景物的三维外形。双目立体视觉技术信息量大,且具有强大的环境感知能力。所以,在双目立体视觉的基础上对机器人障碍物检测方法进行深入研究意义重大。但是,一般情况下,双目立体视觉系统的视角都是固定的而且比较小,无法分析大视角范围的障碍物,也难以全面地感知外部环境信息,因而基于此类双目立体视觉系统作出的路径规划往往不是最优的,甚至是错误的,无法满足机器人自主导航的要求。能根据实际要求,实现可变视角内的障碍物检测成为一个亟待解决的问题。围绕如何利用双目立体视觉系统实现机器人可调视角内的障碍物检测,并能满足其实时性与可靠性的要求,本文做了以下工作：(1)详细介绍了摄像机的小孔模型、摄像机内外参数模型,标定基本原理和常见的几种摄像机标定方法等,并对如何进行双目摄像机的立体标定进行了具体阐述。本文采用张正友标定法对双目摄像机进行了标定。(2)对边缘特征点的检测进行了重点研究,由于在实际环境中受到各种因素的影响,检测到的边缘往往是不连续的,采用形态学中的闭合运算连接断裂的边缘。(3)通过各种立体匹配算法的比较,本文提出了一种基于轮廓识别的立体匹配算法,并引入了极线约束,以提高算法的实时性与准确率。(4)为了有效地减少三维重建的计算量而又能最大程度地保留障碍物信息,本文提出了基于轮廓识别的快速三维重建,通过对左右两图像中提取出的轮廓进行匹配,再对匹配轮廓上的像素点采用基于窗口的灰度匹配原则在对应极线上进行匹配,从而恢复障碍物轮廓的三维信息并根据边缘的连续性优化三维点云。为了评估该算法,对实际场景中的障碍物进行了检测,实验结果表明,基于轮廓识别的快速三维重建可以准确得到物体轮廓的三维坐标,并且满足机器人导航的实时性要求。(5)针对双目立体视觉的视野较小,无法全面地检测出障碍物信息这一问题,提出了基于双重配准的可变视角内的三维拼接方法,使机器人能根据具体情况改变视角大小,从而更好地认知周围环境。首先,通过对两组图像中的左图像Pl1,Pl2进行轮廓匹配,找到两组三维点云的重叠区域；然后,分别计算两组三维轮廓点云的重心,并从两组三维点云中提取特征点,采用七参数法计算出两组三维点云的旋转矩阵Pi和平移矩阵Ti,从而完成两组三维点云的初始配准；再者,赋予重叠区域的对应点权重,对重叠区域的三维点云进行ICP运算,求解出两组三维点云的旋转矩阵Rα和平移矩阵Tα,从而完成三维点云的精确配准；最后,采用加权平均融合算法对配准后的三维点云进行融合处理,以消除拼接裂缝等瑕疵,得到完整清晰的三维点云。基于双重配准的可变视角内的三维拼接方法不仅精度高,而且运算速度快。