月球车是用于月面巡视的移动机器人，是人工智能、自动控制、机器人、信息科学及计算机技术等多学科的结晶，具有重大的科研和应用价值，受到了包括中国在内的世界各国的重视。在月球车的各项关键技术中，立体视觉系统为其提供安全漫游所必须的环境信息而备受关注。在此背景下，针对月球车运行环境的非结构化特点及其对月球车的基本要求，从理论和实践上对月球车立体视觉进行了深入的研究和分析。　　 作为室外机器人的一个特例，月球车视觉系统在漫游任务中具有特殊的要求，如高可靠性、低能耗、较快的处理速度。基于上述分析，结合现有的多种三维视觉探测手段的特点，选定立体视觉作为月球车视觉系统的主要方式。　　 摄像机的精确标定是立体视觉的基础。在月球车立体视觉系统中，由于摄像机的参数不经常变化，并且要求精度较高，因此本文在分析常见的摄像机标定算法特点的基础上，结合月球车视觉系统实时性、宽视角的特点，给出了一种基于平面棋盘格的双口立体视觉摄像机标定方法。通过引入畸变系数，消除摄像机镜头的非线性畸变；为了降低匹配的搜索空间，利用摄像机标定结果，对图像对进行了极线校正。　　 精确的特征提取是立体匹配的前提。以月面非结构化环境特点及其对月球车的特殊要求为出发点，研究分析了常用的特征信息提取方法，以SIFT特征提取算法为基础，给出了一种基于最优匹配率的SIFT特征提取算法。算法在不影响提取结果的前提下，通过减少SIFT特征点的维数表示来换取最优的匹配率：通过对比实验结果数据的拟合分析，给出了适合月面环境SIFT特征的最佳维数。实验结果表明，该方法应用于真实月而环境图像时能够提取到丰富而准确的特征信息。　　 立体匹配是立体视觉的核心。针对月面地势变化平坦、纹理结构单一的特点，通过比较几种匹配方法的优缺点，给出了一种基于SIFT特征点的种子扩散匹配算法。算法首先以欧氏距离作为匹配度量对SIFT特征点进行初始匹配，利用极线约束和双向匹配的方法剔除错误匹配，从而确定种子点；扩散过程中采用全局最优最先策略降低不可靠种子的负面影响，引入二维视差梯度约束、可信度约束等约束条件来限制扩散的范围。为了验证算法的有效性，从鲁棒性、准确性和实时性三个方面进行了实验。　　 三维重建是立体视觉的最终阶段。利用摄像机标定参数和立体匹配结果，可以重建场景中的三维坐标点。在研究分析常用的三维重建可视化方法的基础上，结合月球车三维重建技术的特点，给出了一种基于视差图的高程图重构方法。算法中采用已校正图像的快速空间点重建方法计算视差图中所有像素的三维坐标，利用OpenGL渲染出空间点，重构高程图。