随着现代社会高速发展和人民生活水平的提高,汽车数量日益庞大,由此带来的交通安全隐患日益增加,如何有效提高汽车行驶安全性成为日益重要的研究课题。智能车应运而生,通过多传感器与行车电脑的结合辅助驾驶员或者无人驾驶智能车辆对车辆行为产生影响,最大程度上避免交通事故的发生。道路环境作为汽车和外界交互的直接对象,使得道路环境感知成为智能车研究领域的重要方面。当前基于三维激光雷达的道路感知研究已获得极大的关注并取得许多成果,但由于昂贵的费用限制了其在普通车辆上的应用。针对以上问题,提出一种基于深度学习和双目立体视觉的车辆行驶三维环境感知方法。论文的主要研究内容如下:(1)在仔细分析道路环境感知的研究对象和范围的基础上,构建总体研究方案及体系结构。智能车辆环境感知的对象和范围即是指在车辆行驶过程中,道路环境中的不同目标,感知的目的是实现道路环境中不同目标的分割识别和三维重建。(2)完成基于深度全卷积神经网络的车辆行驶环境图片的语义分割。具体为:利用摄像机采集车辆行驶环境图片数据,并对图像进行标注和预处理。构造一种深度全卷积神经网络,对道路环境目标实现像素分割。实现步骤是将标注过的图像及原图像进行封装并以此作为训练样本,输入到全卷积神经网络,对网络进行训练及参数优化,对实验结果进行分析。(3)搭建车载双摄像机结构光测量模拟实验系统。道路环境目标完成分割以后,利用搭建的实验系统对分割出来的道路环境目标进行结构光扫描,得到目标三维点云信息,对点云进一步处理实现目标的三维重建,并对实验结果进行分析。以上研究结果表明,基于深度学习的车辆行驶三维环境双目感知方法能够准确对车辆行驶三维环境进行感知,实现道路环境目标的三维重建,有效提高了智能车辆道路环境感知的完整性、实时性和鲁棒性。