煤矿井下救灾机器人在煤矿救灾领域发挥着重大作用。但目前煤矿井下救灾机器人存在自主导航差的缺点,限制了其在煤矿救灾中的广泛应用。将立体视觉导航技术引入到煤矿井下救灾机器人的导航中可以极大地提高煤矿井下救灾机器人的智能水平,摆脱对人工避障的依赖,从而提高救援效率。本文围绕实时性和可靠性这两个救灾机器人的重要指标,在路径规划和立体匹配这两个关键技术上展开研究。在路径规划的研究中,本文针对井下狭窄巷道环境特点,提出了两种路径规划算法。第一种算法基于人工势场理论设计,首先为了提高路径规划精度,采用概率理论推导出了一种可以精确反映禁止区域轮廓的工作空间势场的模型,并以Logistic分布为例,研究了势场的实例化的具体方法及准则;其次为了获得应用于新模型下的快速路径规划算法,分析了Quasi-Geodesic算法本质特点,利用其力学形式分析了在新势场下算法存在的问题,并提出了改进Quasi-Geodesic算法;最后为了克服局部最优等固有缺点,提出了双向启发探索算法。仿真实验表明该算法具有较快的运算速度和较高的可靠性。第二种算法基于水平集理论设计,算法首先提出了一种基于最近禁止区域边界点传递的快速距离水平集计算方法,为了提高距离水平集算法的速度,在算法代码的实现的过程中采用了内存池技术及二叉排序树的思想;其次为了得到较为平滑的初始路径,分析了传统方法得到的路径存在振荡现象的原因,利用距离水平集改进了Eikonal方程中的速度表达式并得到新的全局代价,根据得到的代价利用四阶龙格库塔法结合双线性插值求得初始路径;最后为了优化路径,减小路径长度,并且控制路径到禁止区域的距离,利用活动轮廓思想,提出一种弹性粒子优化算法。仿真实验表明该算法同样具有较高实时性和可靠性。在立体匹配算法的研究中,提出了两种局部匹配算法:一种基于权值和置信传播的定窗口匹配方法,该方法重视匹配效果,一种是基于变窗口和动态规划的匹配方法,该方法重视执行时间。在第一种匹配方法中,首先为了减少匹配算法的运算量,采用线形支撑窗口作为匹配窗口,其次根据基于分割的匹配理论,为了有效地利用小匹配窗口下有限的像素信息,提高匹配效果,提出了一种新型自适应权值模型,在模型中利用神经网络计算空间权值,并采用Mean-Shift分割算法计算色度权值,在代价聚合中采用Birchfield函数结合Census变换来作为最终的相似度测度函数,然后在采用金字塔置信传播方法来计算初始势场图,最后提出了迭代左右一致检测算法对初始视差图进行优化。仿真实验确定了各参数对匹配结果的影响趋势,并给出了各参数的参考值;整体匹配算法在较小窗口尺寸下比Yoon在nonocc、all和disc区域的误匹配率都要低,这可以减少大量的计算同时还可以得到较高的匹配精度;仿真结果在Middlebury Stereo Evaluation中排名5位(2014.7.1),说明了该方法匹配精度较高。在另一种算法中,首先采用边缘保护扩散方法对左右视图滤波,以获得较准确的支撑窗口;其次为了提高算法运行速度,改进了经典算法中匹配窗口的寻找方法,省略了寻找右图支撑窗口的步骤;然后在代价聚合中仍然采用了Birchfield提出的相似度测度函数结合Census变换来计算窗口匹配代价;最后采用动态规划法对匹配代价寻优,为了加快算法执行时间将利用小卷积方法改进了动态规划法。仿真表明,边缘保护扩散方法及Birchfield相似度测度函数结合Census变换的窗口匹配代价均能有效地减少最终的匹配误差,改进匹配窗口确定方法及最小卷积动态规划方法能较大幅度地减少程序执行时间,算法在Middlebury Stereo Evaluation排名37位(2014.2.18),算法的匹配结果比较理想且运行时间较短。