随着汽车的大量普及与汽车电子技术的飞速发展,智能车辆成为车辆领域重要的发展方向,智能车辆对提高驾驶安全性、舒适性等具有重要意义。环境感知技术是智能驾驶技术体系的重要组成部分,其是车辆进行运动避障、路径规划、行为决策、运动控制的基础和前提。在众多环境感知技术中,车载双目系统因具有信息采集范围大、精度高、实时性强等优点,成为环境感知过程中最重要的传感器。车载双目系统进行障碍物检测需要同时具备“双目相机模型”和“障碍物图像”两部分信息,因此建立精确的双目相机模型对提高障碍物检测精度具有重要意义。首先,本文根据理想的小孔成像模型建立了单目相机数学模型,在此基础之上,通过建立相机的畸变模型完善了相机模型,总结了单目相机的关键内参和外参。其次,本文以单目相机模型为基础,根据三角测距原理建立了双目测距模型以及双目相机的标定模型。在障碍物检测之前,本文从智能车辆实际需求出发,确定了车载双目系统应具有鲁棒性强、精确度高、实时性强等优点。同时,本文围绕障碍物检测过程相关的图像预处理、立体匹配约束、立体匹配算法体系以及局部立体匹配流程进行了深入的分析,为进一步研究障碍物检测算法奠定了基础。双目立体匹配是计算环境视差图进而进行障碍物检测的主要工作,针对智能车辆关于鲁棒性、精确性和实时性的要求,本文提出了一种“基于置信区间的多层级3bit-Census代价计算&基于边缘截断的自适应十字窗口代价聚合&基于可变最大视差范围的跳跃式视差计算”框架的局部立体匹配算法。实验证明,基于该框架的匹配算法相比于传统立体匹配算法具有更强的鲁棒性和更高的精确性,更加适用于车载双目系统。为保证本文算法的计算实时性和实用性,本文将上述算法在现场可编程门阵列(Field programmable gate array,FPGA)硬件平台上进行了验证。同时,本文从双目系统整体结构、跨时钟域数据交互、关键图像处理模块等不同角度对车载双目系统进行了深入分析。实验证明,搭载本文算法的FPGA硬件系统能够实现60fps的图像处理速度且具有较高的检测精度,证明了本文算法及其硬件平台能够应用于智能车辆,为后续研究智能车辆环境感知技术奠定了坚实的基础。