双足机器人因其运动灵活性、对环境的良好适应性、可代替人类完成任务的优良特性得到了许多研究人员的关注,随着人工智能的兴起,人们对双足机器人的运动稳定性、自主导航能力、多信息融合等方面提出了更高的要求。因为双足机器人的稳定行走决定了其能否完成重要的任务,所以对其运动控制的研究是至关重要的。根据机器人运动控制的需求,本文提出了基于双目视觉的双足机器人运动控制系统,该系统融合了双目视觉信息处理技术、模拟仿真技术、深度学习技术以及远程测控技术。本文以双足机器人为主要研究对象,重点研究了基于深度强化学习的机器人运动控制和双目视觉实现理论,将双目视觉理论与双足机器人运动控制理论有机地结合。针对双目视觉系统中立体匹配算法存在耗时过长、准确度较低的问题,本文提出了改进的基于混合扩张卷积的双目视觉立体匹配算法,并且在深度学习Torch框架下完成了立体匹配算法的训练与验证,实验结果表明改进算法的匹配误差率小于原始算法。对双足机器人的运动控制采用DDPG算法,针对DDPG算法存在学习效率较低的情况,本文依据视觉状态信息的特点提出了基于视觉注意力机制的DDPG算法,并将其应用在基于ROS的机器人控制系统中,仿真实验结果表明改进算法的训练效果较好,可控制机器人稳定行走。设计并完成了基于双目视觉的双足机器人运动控制系统的硬件与软件系统。以CRIO为核心控制器,设计了相应的姿态信息采集模块、压力传感器信息采集模块、控制信号驱动放大模块、超声波测距模块以及相应的电源模块。以LabVIEW和Python混合编程的方式,设计了软件的主程序、双目摄像头图像采集子程序、姿态信息采集处理子程序、核心控制器CRIO子程序、LabVIEW与Python混合编程子程序和机器人3D演示子程序。最后对基于双目视觉的双足机器人运动控制系统进行综合实验,实验结果表明该系统可以准确地测量出障碍物的尺寸信息,双足机器人可以稳定行走,系统的运算速度符合机器人运动控制的实时性要求,系统整体运行稳定,在紧急情况下也可以自行恢复,符合设计要求。