近年来,计算机技术的日益成熟,使得智能车的研究也受到了社会各界的广泛关注,而高精度定位则是智能车的核心基础技术之一。传统的智能车定位多利用GPS搭配IMU进行定位,但在树荫、隧道、高楼等有遮挡的场景中,GPS定位精度较差,普通的IMU累积误差现象严重,而高精度的IMU价格昂贵。随着城市交通建设逐渐完善,交通系统中的道路摄像头已随处可见,本文提出了一种基于路端摄像头的双目视觉车辆定位及多目标跟踪技术,实现一种精度较高,成本较低的智能车定位方案。首先,利用两个单目摄像机组成双目视觉系统采集交通场景中车辆的运动图像,对图像进行前后景分离,获取其中的动态车辆目标。对比了光流法、帧差法、混合高斯模型背景减除法以及视觉背景提取算法这些常用的前后景分离算法,最终选取处理效果和实时性均较好的Vi Be算法进行本文的前后景分离,并针对原始Vi Be算法所存在的提取前景不完整、背景中存在噪点的现象进行了改进。在提取出的前景基础上对图像进行特征匹配。本文使用的是实时性较好的ORB特征点提取与匹配算法提取前景目标的点特征。但在弱光条件下以及纹理条件不明显时,提取的点特征较少,对定位结果影响较大,因此本文加入了特征线提取增强算法鲁棒性,使用EDLines算法进行特征线检测,并利用LBD算法计算线段的描述符,实现线特征的提取与匹配。由于前景边缘处像素变化较大,也会提取出较多特征点线,使结果产生较多误匹配,因此本文对前景边缘处的特征点、线进行了剔除。通过对左右摄像机的同一帧图像匹配以实现车辆的定位,对同一摄像机的前后帧匹配来实现多目标跟踪。利用棋盘格标定法对摄像机进行标定,获取其内参矩阵、畸变系数等参数,在此基础上利用EPnP算法计算两摄像机的外部参数。通过双目视觉原理以及获取的相机参数将所提取的图像特征从像素坐标转换为世界坐标,并绘制出三维点云的外接边框,从而得到车辆的位置坐标信息。最后,搭建实验环境进行实车模拟实验,对本文算法的精度进行测试。主要在充足光照、正常光照以及光照不足这三种光照条件下进行实验测试。实验结果表明虽然光照对定位结果有所影响,但在模拟场景中平均定位误差均在50 mm之内,实现了较为理想的定位精度。