本文结合企业横向项目“智能道路检测车关键技术研究”，通过对自主资源勘探车辆的行驶环境进行分析，结合国内、外自主地面车辆环境识别系统的研究现状，针对自主资源勘探车辆的环境识别系统，确定拟采用的技术方案；进而针对自主资源勘探车辆的实际使用要求，对双目立体视觉的相关技术进行研究，完成环境识别算法设计，实现基于双目立体视觉技术的自主资源勘探车辆行驶环境的重构。主要进行了下列研究：（1）阐述了自主资源勘探车辆的研究背景和研究意义，同时结合对目前国内、外自主地面车辆研究现状的相关分析，提出了自主地面车辆的相关关键技术，并确定研究内容，完成本文各章节的结构安排。（2）对自主资源勘探车辆的行驶环境进行了分析。对于有路地带的非结构化道路，采用基于宏观尺寸的八级分类法，而对于于完全无路的越野行驶环境，则采用基于凹凸程度的障碍物分类法；进而对环境识别传感器进行对比分析，确定采用结构简单、能耗较低、场景信息丰富的双目立体视觉传感器；同时搭建了环境识别系统硬件架构，并从场景识别精度、最大识别距离、有效识别宽度、前进方向上的视场范围等角度出发，完成了系统参数的配置；最后确定了自主资源勘探车辆的环境识别方案。（3）对双目立体视觉中的坐标系进行了分析，讨论了不同坐标系之间的转换关系；接着对摄像机的线性和非线性模型进行了研究，建立了考虑非线性畸变的非线性摄像机成像模型；结合对张氏单摄像机标定算法的研究，提出了双目立体视觉系统的标定方法，并进行了双目立体视觉系统的标定实验，获得了相关参数；同时基于双目立体视觉原理完成了极线校正算法的设计，进行了图像极线校正实验，验证了算法的有效性。（4）对比分析了现有的典型立体匹配算法，指出了立体匹配工作的难点与重要性，并基于对自主资源勘探车辆行驶特点的分析，选择了半全局立体匹配算法作为本文研究的立体匹配算法；进而通过立体匹配实验，验证了立体匹配算法的有效性，并针对实际使用条件下匹配结果不理想的现象，采用了基于直方图匹配的优化匹配方案对该问题进行了解决，实现了半全局立体匹配算法在室外环境下的良好工作。（5）比较分析了几种典型环境地图表述方式的优缺点，采用了数字高程图作为自主资源勘探车辆环境地图的表述方式；接着利用立体匹配算法确定视差，实现空间点三维信息的恢复，并转换到车辆坐标系中，完成行驶环境的三维重构；设计了环境地图的重构算法，进行了重构实验研究。实验结果表明，重构的局部环境地图精度可以满足自主资源勘探车辆的障碍物检测和路径规划要求，实现了自主资源勘探车辆对行驶环境的识别。本文的研究成果对于自主资源勘探车辆的环境识别技术有一定的理论价值，对于自主资源勘探车辆的应用推广有一定的实际意义和参考作用。