无人驾驶车辆自主进行道路环境的感知和理解是正确路径规划的前提和基础。障碍物检测方法是道路感知系统的关键研究对象之一,也是该领域具有较大挑战性课题之一。通过双目立体视觉系统求取道路场景视差图,感知道路面行驶环境,能够还原出道路面三维深度信息,具有信息直接、信息量丰富、可变性强等优点。在此基础上利用V视差图方法进行道路面可行驶域提取与ROI区域检测,该方法简单有效。无人驾驶车辆是可移动、嵌入式平台,要求所搭载的障碍检测系统体积小、能耗低,且具备良好的实时性、稳定性。双目立体匹配算法计算量大、匹配过程复杂。通用计算机由于其算法运算流程、结构以及能耗,无法满足移动平台系统的要求。因此,研究如何提高算法的运算速度,优化算法结构,降低能耗对于障碍检测系统具有非常重要的意义。本文基于FPGA平台,研究和实现了面向道路面环境的立体匹配算法及障碍检测算法,主要内容及贡献如下:设计了基于FPGA平台的实时SGM算法。针对嵌入式硬件平台,在原SGM算法的基础上,通过对算法结构的优化,使算法能够运行于Pipeline状态下,达到良好的实时性;通过适当简化算法结构,使得算法对硬件资源要求较低,能够适用于低功耗嵌入式平台。利用道路面固定模型进行V视差障碍检测。针对障碍检测算法应用环境,提出简化型算法。立体视觉系统在安装到无人车辆后,近距离路面相对于车体可以近似为平面。传统算法根据V视差图像估计出路面模型,本文提出的简化型算法采用固定路面模型,相比于传统检测算法更有效,且加速了算法的运行速度。采用HLS对立体匹配算法进行IP核设计。HLS称为高级语言综合或行为综合,能直接将高级语言综合成FPGA硬件RTL描述语言,其算法开发效率远远超过传统综合手段。本文利用VivadoHLS软件进行算法开发,设计了适用于HLS综合的立体匹配算法流程和结构,并在开发平台上进行算法仿真和运行。通过上述研究工作,本文对立体匹配及障碍检测算法进行了实时性和结构改造,并对算法FPGA应用进行深入研究。从立体匹配算法、V视差障碍检测算法以及HLS开发方法都提出了实时、高效的解决方法。经过算法仿真、平台验证与性能分析得出,本文所设计的障碍检测算法能有效的应用于移动平台上,在其应用领域具有较好的前景。