在我国铁路事业高速发展的进程当中,安全问题永远是重中之重。异物侵限是铁路中无法避免的问题,由此引发的各类事故对列车的运行安全造成严重威胁,但目前已有的监测方式都存在很大的局限性:人工巡检成本高、效率低,电网监测无法检测非接触物体,传感器监测难以在大范围内应用。针对视频监控方式,本文将双目立体视觉技术运用到轨道异物侵限检测当中,解决了目前单相机视频监控对空中悬浮物体的误检以及无法定位入侵物的问题,同时利用三维重建结果实现了对入侵物体积的估计。本文的研究内容以及创新点主要包括:(1)针对全国性的雾霾天气,采用基于暗原色先验的图像复原技术对图像进行去雾霾的预处理操作,使图像的对比度增强、图像细节增加,由此消除雾霾的影响,保证算法在雾霾天气中的鲁棒性;(2)提出了一种数学形态学处理和概率霍夫变换融合的铁轨自动提取算法,该算法可以有效消除轨枕和碎石对检测结果的影响,准确地实现场景内铁轨的自动提取。根据提取结果,进行了侵限范围的界定;(3)提出了改进的ViBe(Visual Background Extractor)算法进行目标检测,改进后的算法消除了当视频首帧存在运动目标时传统ViBe算法的“鬼影”问题,实现了对场景中运动目标的准确提取。在目标检测的基础上,利用核相关滤波器KCF(Kernelized Correlation Filter)实现对目标的持续跟踪;(4)建立了双目立体视觉系统,在完成相机标定和图像校正的基础上,经过立体匹配和三维重建,对真实场景进行了三维还原。利用重建结果,实现了三维空间中的目标跟踪、距离测定以及入侵物体积估计;(5)提出了一种全新的空间异物侵限检测方法,与已有方法相比,该方法不需计算空间平面方程,仅需进行基本的坐标值比较就可判定是否发生异物侵限行为,大大降低了算法的计算量。本文的研究基于真实铁路场景,所提出的各种算法充分考虑了铁路场景特点,涉及到的其它算法也根据实际情况进行了参数的调整,整体研究具有很强的实际应用价值。