陆地自主车(Autonomous Land Vehicle，简称ALV)是一种能够在道路和野外连续地、实时地自主运动的智能移动机器人，其研究涉及多个学科的理论与技术，体现了信息科学与人工智能技术的最新成果，具有重大的研究价值和应用价值，受到了世界各国的重视。在移动机器人的各项关键技术中，视觉导航的主要功能是对各种道路场景进行快速识别和理解，从而确定移动机器人的可行驶道路区域，而视觉导航技术的关键是障碍物的快速检测与识别。相对与其他的方法，立体视觉是一种被动式的测量方法，本身不发出光以及其他辐射源。具有隐蔽性好，测量快速、准确等优点。因此，立体视觉导航是ALV研究的一个重要内容。本论文旨在对应用于地面自主车导航的立体视觉系统进行研究和设计实现。 立体视觉摄像机的精确定标是立体视觉研究的基础，本文第二章首先展开对此问题的研究。与实验室环境要求不同的是，在地面自主车的应用背景下，系统对摄像机定标过程提出了快速、精确，且必须是在线标定要求。围绕这个中心，本文在众多的定标方案中，选择了一个简捷精确的定标方案，该方案不需要很精确的实验室环境，适应性强，只需要在车辆前方任意放置几幅不同姿态的平面模板即可完成整个在线标定工作。此外，立体图对的外极线配准也是一个必不可少的工作。本文提出了一种二步旋转的外极线配准新方法。与传统的方法相比，本文提出的方法还具有可应用于线性多基线立体视觉系统中的优点。实验结果表明，本文的方法简单有效。 对于立体匹配算法，本文第三章进行了深入研究，研究中突出了算法实时性和鲁棒性要求。研究内容包含了立体匹配算法的各个方面，如相似性度量因子的选择、窗口的尺寸对匹配结果的影响、立体图对的预处理、视差图的后处理的方法，以及区域法立体匹配的加速技巧等，并结合自然场景图对和人工合成图对进行了定性、定量的分析。重点突出在强实时性背景下的立体匹配算法研究。同时，针对局部法立体匹配的不足，提出了一种将金字塔分层匹配与控制点修正技术相结合的基于动态规划的新方法。该方法将金字塔分层匹配与控制点技术相结合，不但能提高算法的实时性，还能减少动态规划方法所带来的条纹状瑕疵，从而提高了匹配的精度。最后还给出了三维地形图重建的方法和实验结果。 众所周知，实时计算机视觉的困难主要表现在二个方面：第一、计算机视觉算法还远未成熟；第二、视觉算法的实时实现非常困难。因此，计算机视觉的研究也主要在算法和实现二个方面。本文第四章根据导航对立体视觉系统提出的高强度的计算要求和高带宽的通讯需求，对实时计算机视觉系统的体系结构展开深入研究。研究内容涉及计算机视觉任务的特征、设计方法、硬件系统的分类、视觉算法的体系特征以及视觉处理的计算资源等问题。最后，根据研究成果对立体视觉算法的各个步骤做了逐一的分析、归类，根据各算法步骤的特点，提出了一种由可重构逻辑阵列-数字信号处理器-通用处理器组成的三层硬件体系结构。 第五章为硬件方案的具体实现，对算法各流程的硬件实现都做了翔实的介绍。针对C64x的新特性，对立体匹配算法在DSP上的加速问题进行了研究，提出了利用C64x DSP紧凑数据处理功能进行加速的新方法，并给出了逻辑仿真的结果。