障碍物检测在智能交通系统(ITS)中占有重要地位,是智能车辆实现完全自动驾驶的前提条件。由于机器视觉具有信息量大,空间覆盖广,不增加环境噪声等优点,利用机器视觉进行障碍物检测具有解决实际困难和探索全自动驾驶的双重意义。而双目立体视觉技术是机器视觉的重要研究方面,能直接模仿人类视觉系统处理客观场景。所以,本文以智能交通系统中障碍物检测为应用背景,主要对障碍物检测中双目立体视觉的各项关键技术进行研究,研究内容主要分为三个方面:(1)双目同步:针对智能交通系统中智能车辆的应用背景,障碍物和背景有相对运动,提出了双目视觉系统预处理中的重要步骤——双目同步。从图像处理的角度,提出了一种双目同步算法,利用图像分割进行帧间配准,以减小后续对立体匹配和障碍物检测的影响。(2)摄像机标定:分析了传统的摄像机标定和自标定方法的优缺点。根据智能车辆障碍物检测的快速性、实时性要求,本文采用了张正友平面标定方法。首先对所采集的图像利用MATLAB标定工具箱进行标定实验,获取摄像机的内外参数。然后通过投影误差分析,验证标定结果的正确性。(3)立体匹配及三维信息恢复:经过分析比较采用了一种算法相对简单的基于SAD的区域匹配法。同时为了进一步满足智能车辆障碍物检测的实时性要求,针对传统SAD计算量大,从相似性测度的角度提出了一种减少冗余计算的SAD区域匹配算法。最后,结合摄像机内外参数和立体匹配的视差,利用三角测量原理提取深度信息,并进行误差分析。标准图像对和实际场景图像对的仿真实验表明两种算法均可以有效地实现立体匹配,实现障碍物的检测,且优化SAD算法在计算速度方面有所提高,对实际的障碍物测量更加适用。