双目视觉避障技术是在结合双目视觉技术的基础上对环境中的障碍物进行检测,获取其位置信息,并根据得到的信息进行避障的技术,具有信息采集速度快、感知环境信息丰富、成本低等优点,该技术的研究成果可广泛应用于移动机器人、无人机等领域。在该技术中,如何从背景中准确检测出前景（障碍物）是研究难点之一。障碍物检测过程中,受地面影响,生成的视差图中会存在小区域噪声,而基于一般的图像二值化处理很难做到完全去除这些噪声的同时保留障碍物的视差信息,加大了障碍物的检测难度。在障碍物深度检测过程中,受视差图中无效点以及检测异常点的影响,导致获取的障碍物深度信息不准确。上述这些关键性的问题关系着双目视觉避障技术的可行性与稳定性,因此需对其进行进一步研究。本文以树莓派4B智能小车为机体硬件,基于双目立体匹配技术,开展障碍物检测与避障控制研究,主要研究内容有如下几个方面:1)通过相机标定、左右图像立体校正、畸变校正以及SGBM立体匹配得到视差图;2)对视差图进行孔洞填充、二值化、形态学腐蚀操作处理、最大轮廓检测以及轮廓最小面积约束,基于满足约束条件的轮廓进行障碍物视差分割;3)去除视差分割点中的无效点,提出中位数异常值剔除法,剔除检测结果偏差大的检测点,以获取准确的障碍物位置信息;4)使用三帧差法判断障碍物的运动状态;5)基于障碍物位置信息以及运动状态进行避障控制,针对提出算法的各个功能模块进行实验测试。通过实验测试结果得到,本文提出的障碍物检测与避障算法有效降低了障碍物的检测难度,提高了障碍物深度检测的准确性以及稳定性。通过该算法,树莓派智能小车能够自主完成视频的采集与处理、障碍物的检测与分析、避障决策与执行。这对双目视觉技术在智能小车避障领域的应用,具有一定的参考价值。