随着煤炭市场的持续高涨，井下煤矿运输任务越发繁重，行驶速度较高的机车在恶劣环境中容易造成运输事故。因此研究井下机车防撞系统对煤矿安全生产、保障矿工生命安全有着重要的实际意义。目前基于机器视觉的防撞系统主要针对公路环境，对煤矿井下环境的研究较少。传统的防撞系统主要用红外线、激光、超声波采集数据，设备体积大、价格高且防撞效果不佳。针对上述问题，论文将机器视觉引入井下机车防撞系统，采用视觉传感器对机车前方危险区域进行障碍物检测，实现预警防撞功能。论文对传统的图像处理算法进行分析，考虑井下光线分布不均等因素，研究了适合井下环境的图像处理算法。算法对灰度图像进行拉伸，突出边缘信息，减小光线不均的影响；通过对传统图像边缘提取算子的比较和对井下轨道特征的分析，提出了灰度与梯度幅度相结合的轨道边缘提取算法，提高了检测效果；设计了基于边缘图像的内侧轨道边缘点搜索算法，细化了轨道边缘，减小了轨道识别的计算量。MATLAB仿真研究表明，该方法能有效检测出机车轨道与障碍物。论文在研究了适用于煤矿井下复杂环境的图像处理算法基础上，采用SOPC系统实现井下机车防撞功能。相比复合结构，在实现上减少了芯片、降低了成本，在可靠性上减少了硬件故障的概率；利用SOPC系统的FPGA逻辑资源研究了灰度像素实时处理、边缘检测流水线设计，原始图像与边缘图像并行存储等硬件加速方法，提高了系统性能。经过调试，系统能够实现防撞功能，运行稳定、满足实时性要求，达到了预期目标。论文根据研究结果对井下机车防撞系统进行总结，对其发展前景进行展望。