基于双目立体视觉的研究一直是计算机视觉研究的热点，其模仿了人类的双眼感知系统，通过对同一场景从不同角度拍摄到的两幅图像中寻找最优的匹配像素点，进行视差图的计算，建立场景的三维模型，实现图片二维场景到三维模型的转化。立体视觉通常采用双目摄像机作为传感设备，具有高分辨率、低功耗、信息量大等优点，可为移动机器人提供包括导航、障碍物检测以及场景三维重建等功能，从而在无人机、水下AUV、无人驾驶车辆等移动机器人平台上得到广泛的使用。随着科学探索领域的不断拓展，移动机器人的工作环境从室内静态光照环境，发展到目前室外光照变化环境。在室外环境下，光照变化对于立体匹配而言是一个难点。由于立体匹配的关键是通过相似性计算解决匹配的歧义性问题，而传统的立体匹配算法中相似性计算都是基于立体图像中对应的像素灰度值进行，前提假设是两幅立体图像的匹配特征点在特定的光照条件下具有相同的或相似的像素灰度。然而在实际的室外环境下，这种假设是很难成立的。这是因为，首先在室外光照变化条件下，两个立体相机之间无论是摄像机增益不同或是相机位置角度不同，都会使得光照变化在两幅图像上的表现不同，导致两幅立体图像中匹配特征点的像素值不同，从而导致误匹配问题；其次，光照强度的变化不仅会对图像纹理的信息产生影响，而且光照不理想情况会导致立体图像中噪声畸变的迅速增加，这都会影响立体匹配的准确性。因此，光照变化对传统立体视觉算法的鲁棒性产生较大的影响。本论文以移动机器人平台的双目立体视觉为研究对象，针对光照变化条件下立体视觉的关键理论问题进行了研究，对涉及的技术进行了实现分析，基于国内外近年的研究成果，对光照变化条件下的立体视觉系统所涉及的高精度摄像机标定、非参数变换以及自适应权重立体匹配算法等进行了重点研究和实验。在光照变化条件下，尤其是光照不理想情况下，提出了一定的改进算法，在提高立体匹配的鲁棒性和准确性方面取得了较为有效的成果。论文主要在以下几个方面进行了研究工作：（1）基于二维平面标定靶的高精度摄像机标定方法研究本文以二维平面标定方法为研究基础，重点研究了标定靶角点检测算法，提出了一种基于CRF的亚像素角点检测的摄像机标定算法。利用角点响应函数值作为权重因子，基于重心法实现了高精度亚像素角点坐标的检测，改进了二维平面标定靶中角点检测的精确性，提高了摄像机标定结果准确性。通过角点检测重复率实验和摄像机标定重投影实验，验证了本文算法相对于现有算法具有较高的精确度和光照鲁棒性。（2）光照鲁棒的非参数变换算法研究由于非参数变换算法对于光照变化有较好的鲁棒性，本文重点研究了基于非参数变换的立体匹配算法。在对以Census变换为代表的传统非参数变换研究的基础上，提出了ISCT非参数变换方法，使用邻域像素的均值作为判别的标准参考值，避免光照不理想情况下，中心像素受噪声影响产生畸变导致非参数错误的情况。在此基础上结合DSI、左右一致性检测等方法，实现了基于ISCT变换的立体匹配算法，通过Middlebury大学权威测试平台的验证，在理想光照情况下，基于ISCT的立体匹配算法匹配结果的准确性，与基于传统Census变换的立体匹配算法基本相当。在光照变化实验中，相对于传统Census变换，基于ISCT变换的立体匹配算法能够有效提高光照变化的鲁棒性。在不同光照条件下，尤其是光照不理想情况下，能够取得较为稳定的稠密视差图。（3）自适应权重立体匹配算法研究针对局部立体匹配算法在图像中物体边界处（视差不连续区域）会产生前景膨胀的问题，开展了基于自适应权重立体匹配算法的研究。在分析传统自适应权重立体匹配算法由于高度依赖色彩值导致对光照变化敏感的基础上，本文提出了在RGB色彩空间，基于非参数变换的自适应权重立体匹配方法。通过对彩色图像的RGB三个色彩通道进行非参数变换，以汉明距离进行相似性聚类强度计算，实现了自适应权重的立体匹配算法。该方法有效降低了自适应权重因子对色彩值的依赖，提高了自适应权重聚合环节对于光照变化的鲁棒性。通过Middlebury大学权威测试平台的验证，基于非参数变换的自适应权重立体匹配算法有效提高了视差不连续区域的立体匹配准确性。并且通过光照变化实验证明，在光照变化的情况下，尤其是光照不理想情况下，本文所提算法相对于传统自适应权重算法的光照变化鲁棒性有了较大提高。（4）室外光照变化条件下的立体视觉系统实现研究将基于CRF亚像素角点检测的摄像机标定、基于ISCT的非参数变换以及自适应权重立体匹配算法集成在立体视觉系统中，并通过内存储管理以及置信度滤波等方法，分别对于系统的计算效率和可靠性进行了优化，实现了光照变化鲁棒性强的稠密视差图获取以及障碍物检测等功能。在室外实际的光照变化情况下，进行了实验，结果证明该系统具有较好的光照鲁棒性，能够在光照变化的情况下，尤其是光照不理想情况下实现稠密视差图的稳定获取以及障碍物的可靠检测。