无人驾驶技术是当今前沿科技的研究热点,它对社会和经济发展具有重大影响力。该技术涉及车载导航、车载通信、主动避障和自主巡航等多个问题,其中障碍物检测是核心问题。障碍物检测主要有双目视觉障碍物检测技术,包括双目图像获取、立体匹配和障碍物检测三个部分。本文围绕立体匹配和障碍物检测两个部分展开研究,分析讨论相应的技术方法。论文的主要研究工作包括以下三个方面:(1)针对无人驾驶场景,研究卷积神经网络立体匹配技术。在分析卷积神经网络结构及相关立体匹配技术的基础上,改进网络结构,设计非对称核心-孪生卷积神经网络(Asymmetric Kernel-Siamese Convolutional Neural Network,AK-SCNN),计算匹配代价,最终实现视差计算。通过实验分析,完成最佳网络结构等超参数的选择;与传统局部匹配算法相比,误匹配率更低。(2)研究V视差图障碍物检测方法。首先,研究V视差原理和V视差图中的面投影特征。然后,在分析传统V视差法基础上,依据极大最小值约束和距离约束,提出路面斜线自适应阈值提取算法,改进V视差法。实验结果表明,改进的方法能够有效检测出障碍物区域,相对传统方法提高障碍物检测的召回率和精确率。(3)研究点云图障碍物检测方法。首先,研究点云图的获取与简化、点云密度的定义及栅格化处理方法。然后,针对路面环境,提出路面理想点云密度拟合法,得到路面理想点云密度,从而通过对比实际与理想点云密度,实现障碍物检测。实验结果表明,该方法能够完成障碍物区域划分,具有可行性;与V视差法对比,两种方法各具优缺点,适用于不同场景。