为了实现变电站巡检的智能化,人们试图研制出适用于电力系统的具有环境感知与信息处理能力的智能巡检机器人。如何快速准确地感知机器人行驶环境一直是人工智能领域的研究热点,但是,在图像信息的庞大,视觉导航的实时性、定位及三维重建方面还面临不少难题。目前,双目立体视觉技术是最接近于动物视觉系统的三维视觉信息感知技术,其目的是通过二维图像信息处理使机器视觉具有认知三维环境的能力。本文以智能巡检机器人的双目立体视觉系统为研究对象,深入探讨了二维图像信息与对应环境深度信息的关系,详细分析了双目立体视觉模型参数的标定、双目视差估计,同时对基于视觉导航的机器人环境感知及三维重建技术进行了研究。首先,论文介绍了单摄像机的线性透视投影模型以及考虑径向和切向偏差的非线性透视投影模型;分析了根据双目立体视觉视差,采用三角法获取获得环境深度信息的理论依据;阐明了基于双目立体视觉成像过程的摄像机系统光学成像数据在不同坐标系之间的变换关系。进而,构建了通用的双目立体视觉系统模型,详细推导了左右摄像机坐标变换关系,并对双目立体视觉极线几何模型及极线校正技术进行了充分探究。论文详细分析了摄像机标定过程,在此基础上,讨论了透镜畸变产生的影响并对标定结果进行校正,设计并编写了基于开放计算机视觉函数库OpenCV的摄像机标定程序并对其进行仿真测试。通过对四组不同类型的棋盘格图像进行测试,对摄像机的标定结果进行投影误差、标定精度以及极线校正分析,验证了所设计的程序可以对双目立体视觉摄像机进行准确标定。论文深入研究了视差估计方法,通过分析视差点及其邻域的灰度特性,提出了一种分类假设验证和Levenberg-Marquardt(LM)算法相结合的方法,并采用动态规划算法获得用于曲线拟合的最佳视差点集。针对立体视差图产生过程中所出现的遮挡问题及单纯运用动态规划算法进行立体匹配时产生的条纹状瑕疵的问题,基于立体视觉匹配的基本理论,提出了一种基于分段抛物线拟合的立体匹配算法,通过利用分段直线拟合出最佳视差函数,以提高视差估计的准确性,进而利用视差函数与深度函数的关系,利用分段抛物线拟合出深度函数。通过利用Middlebury提供的标准图像对对所提算法进行测试,结果表明所提算法运算效率高并且误匹配率也满足实际应用要求。为了进一步改善双目立体视觉立体匹配的效果,论文深入研究了网络的最大流最小割全局寻优算法的基本原理,并将其引入立体图像匹配优化,提出了网络最大流最小割的立体图像匹配算法。所提算法利用视差标号方式建立网络,通过用像素的差分距离代替平滑项,以降低算法的计算量,实现了能量函数的极线最优求解,进而实现了将最大流最小割寻优算法运用到双目立体图像的匹配中。通过利用国际标准数据对提出的算法进行了测试,并通过误差分析将其与基于抛物线拟合的立体匹配算法进行了比较,结果表明,基于最大流最小割全局寻优算法拥有优于基于分段抛物线拟合匹配算法的匹配性能。此外,在提高机器人视觉导航系统的鲁棒性和实时性方面,论文通过采取对数字图像进行预处理技术的方式进行滤波去噪、边缘增强以及特征提取等。通过对立体匹配之前的二维图像进行预处理有效提高了目标识别的准确性且减少了计算量,从而在提高算法的实时性的同时保证了算法的鲁棒性。最后,论文还将Hough变换技术应用于车道初始检测,对左右像平面提取的车道线进行立体匹配及三维重建,确定车辆与车道线的相对位置,并通过运用图像的统计特征和Kalman滤波技术进行车道跟踪;利用对前方障碍物的特征点匹配及重建,获取障碍物与车体的距离。