视觉定位是导航定位领域中的热门研究课题,同时也是未来定位系统中必不可少的一部分。传统定位技术在复杂应用场景中易被干扰、算法鲁棒性低、精度无法达到使用要求。视觉定位可弥补传统定位技术不足之处,提高定位精度及系统鲁棒性。本文针对双目视觉里程计关键技术中的相机标定、目标物检测、建立定位模型三部分展开详细研究,为后续的里程计算提供了坚实的理论支持。首先,对双目视觉里程计相机标定方法开展研究。对相机成像原理及相机成像过程中存在的问题进行阐述,对现有相机标定方法进行分析比较,选择张氏标定法作为本课题相机参数标定方法,详细介绍张氏标定法的原理及标定流程。对相机的参数进行现场标定及测试,对相机参数标定结果进行验证。其次,对双目视觉里程计目标检测算法进行研究。首先,对传统目标检测算法与神经网络检测算法进行对比分析,采用Faster-RCNN神经网络目标检测算法。论文详细论述了卷积神经网络原理及结构,分析了Faster-RCNN神经网络原理及模块组成,对目标检测算法的性能评价指标进行了论述。选用道路交通指示牌作为目标物制作数据集,采用处理图像噪声、改变通道参数值的方法,对数据集进行预处理,提升数据集图像质量、优化图像参数,对数据集进行标记。通过对数据集进行训练,生成神经网络模型并对模型进行测试。然后,对双目视觉里程计辅助定位技术进行研究。建立视觉辅助定位系统的参考坐标系。对双目视觉里程计图像立体匹配算法进行研究,阐述立体匹配算法的框架及约束条件。对BM立体匹配算法和SGBM立体匹配算法进行比较分析,选择SGBM算法作为双目视觉里程计图像立体匹配算法。通过实验对该算法进行验证。建立双目视觉辅助定位模型,搭建了双目视觉辅助定位系统。最后,对双目视觉辅助定位系统进行测试和验证。选择封闭的实验路段,采集预设目标物坐标信息。使用视觉辅助定位系统对小车进行定位,与GPS定位数据进行比较,双目视觉辅助定位误差优于±3m。