在地面移动机器人领域,自主导航是一个热点的研究课题。研究基于双目立体视觉的自主车的导航技术,对于自主导航技术的推广和普及具有非常重要的意义。如何更好的利用双目立体视觉传感器进行环境感知和路径规划仍然面临着巨大的挑战,通过充分挖掘和利用双目立体视觉所构成的视差空间的特性,可以有效弥补立体视觉易受图像噪声、场景结构等因素影响的缺陷,有助于推广立体视觉在自主导航中的应用。本学位论文提出了一个全新的基于双目立体视觉的自主车的导航框架,直接在视差空间完成所有的环境感知和路径规划的任务。有效解决了立体视觉环境感知可靠性不高、效率较低的问题,促进了双目立体视觉在自主导航系统中的应用。本论文主要贡献如下：1.首次提出了：1)视差空间中的坡度模型。在视差空间中对三维场景的坡度进行建模,发现以图像中的列为单位分析得到的坡度是运动方向自适应的,该坡度直接由视差空间中直线的截距所决定；2)视差空间中的运动模型。提出一种新的视差点坐标形式,“视差归一化的齐次像素”坐标,使刚体的运动模型在视差空间中具有线性的形式,从而可以直接在视差空间中更加高效的对相机的运动进行估计。2.基于视差空间中的运动模型,提出了视差点集合的线性最小二乘拟合和非线性最小二乘拟合两个算法,直接在视差空间中高效求解最优的运动参数。并结合随机抽样一致性、扩展卡尔曼滤波器和局部的光束法平差实现了一个鲁棒的基于视差空间的视觉里程计框架。确定运动参数之后,基于颜色一致性和可视性约束直接融合多帧连续的视差图,构建更加可靠完整的局部地图。3.基于视差空间中的坡度模型,提出了一个全新的基于视差空间的Ⅴ-截距障碍物分析方法。方法以坡度和高度作为障碍物代价衡量的两种基本特征,首先基于索贝尔算子计算截距,再聚合高坡度区域并结合物体相对地面的高度综合分析代价,从而实现了直接在视差空间中高效、鲁棒的分析并生成不同地形的代价。实验结果表明Ⅴ-截距方法检测效果优于经典的v-disparity方法,适用于多种不同环境。4.提出和实现了完整的基于视差空间的导航框架及其结构,包括改进的基于半全局匹配算法的初始视差图生成,视差空间中障碍物膨胀的合理策略以及基于A*算法的路径规划和平滑。实验结果表明该框架在地图构建及障碍物分析等方面的通用性和鲁棒性,为自主车的导航提供了安全合理的指引。针对基于双目立体视觉的导航系统通常存在实时性较差的缺点,提出了几种基于并行处理思路的优化方法,优化后的系统在1242×375分辨率的视差图上达到了9.5帧/秒的处理速度。