立体视觉技术是智能机器人技术研究中最为重要的分支之一,是智能机器人技术发展的重要标志。双目立体视觉是通过提取同一场景的两幅图像,进行分析、识别、匹配和解释的过程。主要包括:双目视觉系统配置,摄像机标定,图像区域分割,特征提取,立体匹配以及三维重建。目前,立体视觉实现障碍物检测主要面临两个难点,一是对应点的匹配精度以及匹配算法的问题,二是计算复杂度造成图像无法实时处理的问题。本文正是从此问题出发,对于低负载运算平台下的双目视觉导航方法进行了研究与改进。其主要研究内容及创新点包括:1.对双目视觉系统模型及系统配置方法进行了具体分析,得到了双目视觉系统对目标点的三维解算方案,以及系统响应距离,角分辨率及公共视场区域等重要参数。2.针对移动机器人视觉系统的实时性及精度要求,采用Zhang’s平面标定方法并利用OpenCV完成了摄像机的在线标定工作,标定得到内外参数后通过对标定板进行正向投影变换,比较所得值与实际值的误差,实验表明,标定精度完全满足移动机器人的导航需要。3.针对计算机视觉系统在低负载运算平台下的应用,提出了基于图像加权像素平均降晰、区域与特征相结合的图像快速匹配方法,该算法首先利用加权像素平均算法获取降晰后的图像,然后提取疑似目标区域,进行区域匹配,最后进行图像的分级特征匹配。该算法解决了已有图像匹配算法处理数据量大、计算较为复杂,在具体应用中可能无法满足图像匹配实时性的问题。实验表明,该算法与已有的图像特征点匹配算法相比,执行时间缩短了约80%。4.为了完成对视场内目标的三维可视化重建,需要对成功匹配的特征点进行插值运算,以获取场景视差图。在Delaunay三角剖分的基础上,本文尝试采用Open Inventor技术对视场内目标进行了可视化三维重建。结果表明,该方法能够基本还原视场内目标体的特征信息和原貌。