实时环境感知是自主移动机器人需要具备的重要能力之一,依靠各种传感器,机器人能从所处环境中获取信息为它服务。用于获取三维场景信息的传感器有激光雷达、结构光相机、TOF相机和双目相机等。相比于其他传感器,双目视觉传感器价格更加低廉,搭配合适算法时可以满足大部分需求。基于这个前提,本文将设计实现一套使用双目视觉传感器进行障碍物检测的系统,要求准确实时检测场景中的障碍物。本文的主要的工作和创新如下:首先,对单目相机成像原理和双目相机测量原理建立相应数学模型,为后续算法提供理论支持。模型中各个参数都需要对应的标定算法计算,因此研究了常用针孔相机的标定算法和立体标定算法原理。对采集到的图像进行立体校正之后,所得到结果可以视为理想双目相机采集。其次,分别研究了三类常用的立体匹配算法的实现原理,因为立体匹配算法主要用于从双目图像中计算视差数据,这是恢复三维信息的关键步骤。在实验过程中,从理论出发,结合已有的成果排除无法实时匹配的全局算法。通过对比半全局算法和局部算法在实际场景中匹配效果后,最终选择前者,并且设计简单的实验验证所选择算法的准确度。最终发现半全局立体匹配算法在一定范围内的匹配效果基本满足需求。再次,本文基于视差数据完成障碍物检测,因为视差图可以用于恢复场景中三维点的分布信息。障碍物检测一般会用到相机外参,利用特定相机安装姿态时地面视差的特征,本文使用RANSAC算法从v视差图中实时动态估计相机外参。为了更加鲁棒的检测障碍,对比多个文献中所提出的方法后,最终选择MultiLayer Stixel算法完成自由空间和障碍物的分割,该方法能有效降低视差数据中的噪声干扰的问题,可以很好的估计出场景中的路面、路面上的障碍物甚至悬浮的物体。针对Multi-Layer Stixel算法检测结果没有关联的问题,本文提出一种对检测结果使用DBSCAN进行聚类的方法,聚类之后在图像上可以完成障碍物分割。最后,本文设计实现了一台简易的移动平台用于测试障碍物检测系统的整体效果,移动平台装配廉价双目相机并使用本文所设计实现的障碍检测系统。为了能让小车自主移动,还为它设计一套简单的导航算法。然后在实验环境中测试平台能否准确实时的计算障碍物位置,同时在实验场景中持续自主移动。实验结果表示,该系统能检测出大多数的障碍物体,并且检测系统处理双目图像的速度满足实时性要求。