中国是一个铁路大国,13.1万公里的铁路覆盖了中国57%的地区,是中国综合交通运输体系的中坚力量。其中道口作为铁路与公路的交叉点,需要确保道口上没有能够影响行车安全的障碍物,否则极容易出现交通问题甚至严重事故。而全国范围内道口的监测方式还是人工监测这种费时费力的传统方式。因此,为解决铁路道口障碍物智能化监测改造这一难题,本文研究了一种基于双目测量以及图像处理的铁路道口障碍物检测系统,通过用移动侦测算法、双目视觉算法对铁路道口进行障碍物检测和监控,可以实现道口障碍物检测的智能化改造。本系统以双目机器视觉和图像处理算法为基础,借助OpenCV机器视觉库和VC++开发平台,研究了大视场双目标定、移动帧前后景提取、SIFT特征点提取和双目障碍物尺寸检测等关键技术,最终实现了铁路道口障碍物检测的关键技术研究和软件系统开发,并在实验室和实际道口两种工况下进行了实验,对于实际道口存在诸如树阴、积水等干扰因素,本文还研究了同态滤波算法和遗留物算法进一步提高了系统对光照不均和微小障碍物的检测精度。由于算法计算量极大,将耗费大量时间和系统资源,而且摄像机的低成像质量将进一步加重计算机的负担。为提升系统工作效率,本文使用多重曝光图像的采集、摄像机帧同步、数据结构转化等手段保证摄像机输出优质图像的同时还使用了提取感兴趣区域和筛选特征点的办法降低了算法计算量。实验结果表明本文算法在实验室内检测3m范围内的物体误差为0.5cm,实际场景下10m~15m范围内的检测误差仅为3cm~7cm,成功检测出饮料瓶、砖块、行人等常见障碍物,基本实现了铁路道口障碍物的智能检测,有较强的实际意义和推广前景。