工程车辆广泛用于矿山、铁路、港口等领域,在抢险救灾方面也发挥着重要作用。且工程车辆一般工作于野外或者是环境比较恶劣的施工区域,地面会不可预测的出现诸如砂石、土堆、建筑废料等障碍物。其安全高效的作业对驾驶员具有相当高的要求,在部分危险区域甚至已经不适合驾驶员操作,所以工程车辆无人化势在必行。本文针对于此种状况,结合国家自然基金项目“多履带行走装置机电耦合动力学及自适应控制”（No.51775225）,基于机器视觉对工程车辆的可行区域检测以及路径规划展开研究,提高工程车辆的智能化水平。本文综述了工程车辆无人化的研究背景与研究意义,并总结了可行区域检测与路径规划的国内外研究现状,介绍了可行区域检测的常用方法以及应用领域,并对局部路径规划的常用算法进行了讨论。基于ZED双目相机对可行区域进行了检测。首先对ZED双目相机进行标定以及对可行区域检测前的图像进行预处理,接着对预处理后的图像进行立体匹配得到视差图。针对于得到的视差图采用三角测量得到了图像的深度信息。接着我们通过法向量的提取、离群点的去除以及基于双边滤波的点云平滑对三维点云进行了处理。最后利用随机采样一致性算法对基准面进行了提取,基于阈值对可行区域进行了判定。处理得到的可行区域检测图像检测效果良好。以工程车辆中的装载机为载体进行可行区域检测试验,在校园里边对装载机前方可行区域进行实时检测,对具有大型障碍（比如行人、车辆等）以及小型障碍（比如雪堆等）的环境进行可行区域的检测,在包含大小型障碍的外部环境中可行区域的检测效果良好。运用一些策略对传统的动态窗口法局部路径规划存在的一系列问题进行了改进,使工程车辆路径规划的速度、稳定性以及平滑效果都得到了提升。在MATLAB仿真平台上进行了局部路径规划的仿真验证,仿真的实验结果表明改进的动态窗口法无论是对于静态障碍物还是动态障碍物都有很好的避障效果。