传统农业大多劳动强度大,对劳动经验有较强的依赖性,智能农业机械导航系统将是解决此问题的有效方法之一。基于双目视觉的导航系统因价格低廉,信息丰富等优点受到越来越多的关注。本文首先利用特征提取算法获得特征点,依据不同特征点特性选取不同的特征点描述子、分析不同约束条件对匹配结果的影响,并依据田间机器人导航系统特点提出垄线识别的边界约束条件。将彩色图像转换为二值图像,在图像中部定义基线,在基线上利用扇形扫描获取密度曲线,同时确定作物垄的密度、获取参考垄线宽度和角度参数。设计扇形扫描密度模型和垄线间角度约束关系搜索其他垄线,并采用逻辑回归识别最邻近垄线以获取垄间距参数。采用五组不同作物和背景图像进行实验,结果表明该方法在非规则垄及复杂背景下仍可取得较好的效果,第一条垄线和第二条垄线的正确率分别为97.7%和94.7%。利用目标作物视差及坐标系转换关系获得作物垄的高程图,然后添加高度限制以减小噪声影响；同时对高度特征进行扩充以增强其对邻域的影响,从而获取增强的高程图。最后将增强高程图与二值图像进行融合生成作物垄置信密度图。将垄线提取算法应用到该图上提取导航参数。为提高双目视觉导航系统算法的实时性,设计聚合操作和查找表方法,垄线检测时间约为0.34s,标准差为0.004s。在实验室条件下进行算法验证,机器人偏离轨道最大误差为10cm。