传统农业机械作业存在劳动强度大,易受人为因素影响等不足,以智能化、自动化农业机械设备取代人工操作成为现代化农业发展的必然趋势。自动导航技术则成为这一领域亟待解决的首要问题之一。基于机器视觉的导航技术在田间路径识别、作物农情提取等方面的优势使其成为农田环境导航研究热点内容。其中,基于双目视觉的田间作物特征提取、匹配是获取作物垄行结构信息的关键技术之一。本文首先对Harris. Fast. SIFT. SURF和ORB等特征提取方法进行对比分析,并选择稳定性较好的SIFT特征方法进行田间图像特征点提取。为了提高田间作物特征点匹配的准确性和效率,采用Mask Image对目标作物区域特征点进行筛选、过滤,以保留目标特征点,屏蔽非目标冗余特征点；实验中,平均屏蔽冗余点数量可达2/3以上。同时,采用局部区域极线约束进行双目图像特征匹配,且对极线约束范围进行优化处理；实验中,设定6个像素极线上下浮动范围为匹配特征点检索区域可满足白菜、玉米作物特征匹配。考虑到田间农业机械导航实际情况的复杂性,实验中设置2m、3m和5m距离,高度为70cm多方位摄像头标定参数均值为该系统摄像头内、外参数值；采用摄像头离地高度分别为80cm、100cm,向下倾角分别为10°、30°,进行田间作物特征提取、匹配和导航结构信息统计。实验结果表明本文基于双目视觉田间农业机械导航垄结构信息获取的正确性和有效性。