智能小车是指在车内没有驾驶者的情况下能够在野外自然环境或各种路面下自主行驶的车辆。智能小车在行驶中的避障行为是其能够正常行驶的重要保证,将机器视觉特别是双目视觉应用到智能小车,能够提高智能小车的道路信息识别能力,推进智能小车技术的应用与发展。论文对智能小车理论进行了深入研究,其中智能小车的避障策略要求小车能够识别障碍物并且测得车与障碍物的距离。采用双目视觉技术可准确获取障碍物与行车的相对距离,其原理是利用车载摄像机捕捉图像,将道路信息转换成图像信号,进而进行图像处理并且获取道路信息。本文从双目视觉技术在智能小车避障行为中的应用出发,主要进行了以下研究:首先,利用安装在智能小车上的双目摄像机获取实际的道路图像并进行处理,针对传统的图像处理方法 Otsu不能将图像和背景有效分离,即目标中存在背景的缺陷,提出一种改进的多阈值分割方法。多阈值分割将图像分成多类,其中必有一类是目标,而其余各类均被合并为背景。利用目标与背景的差别,采用最大类间方差与类内方差比值法,分割出目标与背景。仿真实验结果证明,改进的多阈值分割方法行之有效。其次,对障碍物进行测距。基于双目摄像机标定复杂且计算量大的特点,本文建立了双目视觉模型。在该模型的基础上,利用SIFT特征匹配,对摄像机参数进行标定,该标定方法较传统方法更加简便。为了使所测得的距离更加准确,对图像进行角点检测,提取特征点的亚像素级坐标。仿真实验结果表明,该方法是可行的。最后,利用上述所获得的障碍物与小车的距离进行避障实验。采用道路中心线将障碍物分为左右两个部分,然后对障碍物进行了静态和动态分析计算,根据计算结果,分别对障碍物的静态和动态引入不同的避障策略,并将专家推理应用到智能小车的避障行为当中。