无人机电力线巡检技术是最近几年研究的热点之一，相对于传统的人工巡检方式，利用无人机完成电力线巡检不仅效率和安全性较高，还能巡检一些地势比较复杂的，人工无法巡检的区域。但是，目前利用无人机进行电力线巡检面对的一个问题是无人机与电力线相撞的情况。利用双目视觉系统实现无人机避障技术相对于雷达避障技术成本较低，体积较小，相对于超声波等避障技术又可以获得更远的测量范围，因此是最近几年此领域的研究重点。同时，由于本文的检测目标较细小，利用超声波和雷达检测收到的回波可能比较少，造成检测困难。　　双目视觉系统基于仿生学，并利用三角相似的几何关系获得深度图，感知障碍物到相机自身的距离。立体匹配是双目视觉系统中的关键环节，立体匹配算法复杂多样，基于全局算法的立体匹配算法精度较高，但是实时性较差，基于局部的立体匹配算法可以获得较好的实时性，但是精度稍低。无人机电力巡检系统所面对的检测目标为较细的电力线，在获得的双目图像中可能只有几个像素宽，必须在比较精确的视差图像上进行进一步决策，同时，无人机要求系统可以迅速发现障碍物并及时进行躲避，防止出现意外事故，这对于立体匹配算法的实时性又提出了比较高的要求。目前，GPU和FPGA是常用的两个加速手段。　　本文针对寻线无人机避障应用，利用FPGA为硬件平台，综合考虑软件和硬件实现，实现实时性的深度图获取，以供上层控制逻辑进一步处理，本文的主要工作有以下两点：　　（1）研究了基于双目视觉立体匹配方法来对周围环境进行感知的方法，利用基于十字结构的自适应匹配支持窗口，在保证对周边主要背景目标重建的同时，着重设计了对线状弱目标增强的检测算法。　　（2）研究了算法的FPGA实现架构。针对硬件特点对硬件做了部分优化，利用现有的优化方法减少了逻辑资源和存储器资源的占用。　　理论分析及试验表明，本文设计的算法及系统相对于传统的固定支持窗口，能够有效的获得比较精细的深度图，本文提出的基于 Tophat滤波的代价加权方法能有效地改善原有深度图中线条断裂和粘连的情况，对典型的工作环境具有一定的适应性。