随着服务机器人和扫地机器人的普及,对移动机器人的研究成为目前机器人研究方向之一。移动机器人对环境感知,路径规划的研究将机器人带入一个更加智能的时代。双目摄像机作为机器人的感知传感器,具有可操作性强,处理方式更加智能化的特点,尤其是近几年深度学习在计算机视觉领域的广泛使用,使得摄像机作为传感器的机器人平台的应用越来越普遍。因此,本次课题选择基于ARM的室内移动机器人双目视觉避障研究。本文主要研究包括双目视觉基本原理和摄像机畸变校正,双目摄像机立体匹配,图像识别和物体检测,机器人路径规划等几个方向。首先,本文针对双目视觉基本原理进行了深入研究,分析摄像机畸变产生的原因,摄像机标定的原理和方法。推导出摄像机从图像像素坐标系到世界坐标系之间的变化矩阵。使用张正友棋盘标定方法进行双目摄像机标定,并通过标定得到的摄像机的相关参数来对图像进行畸变校正和三维信息恢复。其次,本文针对高清图像上立体匹配速度较慢的弊端提出基于图像金字塔的立体匹配思想。类似于人眼观测世界一样,对于近处的物体,人们观测往往不需要花费很大的精力,而对于远处的物体,在进行观测的时候则需要对其仔观察,以获得其详细信息。通过这样的匹配方式,既可以满足精确度又能够保证立体匹配的速度。再次,本文中检测算法使用深度学习YOLOv3算法进行检测。传统的图像特征如HOG或者SIFT特征在进行物体检测时,检测的速度慢,而且检测的效果也不理想。应用GPU加速后的YOLOv3可以确保达到实时准确的物体检测。改进了人工势场法对机器人进行路径规划。人工势场法原理简单,对于不同的应用场景容易对算法进行改进。但是人工势场法路径规划是模拟势场的作用效果,这样会出现局部极小,机器人无法到达目标点等几个弊端。针对以上问题提出改进以保证机器人能够准确地完成路径规划。最后,本文对已设计完成的基于ARM的室内移动机器人平台进行实验。通过实验验证了所改进的立体匹配算法在匹配的速度上的优势和所改进的人工势场法路径规划的可行性。