随着避障技术在军事领域、科学探测、交通管制、工业制造、医疗服务等诸多领域的广泛应用,各种具有自主导航与避障能力的机器得到了不同程度的使用,从而替代人类的一些日常生产活动,为人们的生活带来了许多便利。而能够实时获取在其前进方向上的障碍物方位信息是机器自主避障的关键,这也是避障系统在避障路径规划中的前提条件。本文基于双目视觉理论设计了避障系统,并且实现了移动机器对环境障碍物的方位有效检测。主要工作如下:(1)避障系统的总体设计。完成系统的流程设计和功能模块设计以及避障算法软件、硬件平台搭建,验证系统在复杂环境下自主避障的可行性。实现各功能模块设计。(2)实现深度图像信息的获取。通过对双目视觉理论和实现方法的研究,获得了深度图像信息。首先利用Matlab相机标定工具实现了双目相机标定,获得相机标定的内外参数,然后根据这些标定的参数采用OpenCV的极线校正函数对图像校正,最后根据校正后的图像采用OpenCV的SGBM立体匹配函数获得深度图像。在此过程中应用图像金字塔法提高了双目视觉立体匹配获得深度图像的效率,并且在保持原有立体匹配效果的同时,尽可能地提高算法的效率。在本文实验中立体匹配算法的误匹配率虽然增加了1.85%,而算法效率提高了10倍。通过对室内物体距离测量的实验结果进行分析,物体距离测量的最大误差为±1.49%,3米测量范围内,其准确度可达98.9%。(3)完成障碍物检测。在障碍物相关理论模型知识的基础上,采用了深度信息与色彩信息相结合的方法对障碍物进行分割;通过超像素分割图像的融合,有效的消除了噪声、背景和地面等干扰因素,提高了障碍物数据的识别准确率;在PC平台上,完成了对障碍物真实数据的测量。通过障碍物检测结果对比,可以得到结合超像素分割方法获取的障碍物位置信息准确性更高。(4)动态避障的局部路径规划算法研究。根据障碍物的数据信息,研究了人工势场法改进方法,提高了路径规划中安全到达目标点的能力,克服了算法中局部最小点的问题。算法的仿真实验结果表明,改进的算法达到了路径规划的目的,其到达率为99.07%。