机器视觉是机器人感知外界环境的一种重要手段,而深度信息是机器人利用机器视觉感知外界的一个重要信息。双目视觉是机器视觉领域的一个分支,也是一种获取深度信息的重要手段。双目视觉通过在不同角度观察同一目标,对产生的图像进行特征提取、立体匹配和视差计算,并进行重建三维场景来获取深度信息。双目视觉涉及的主要内容有:图像获取、相机标定、特征提取、立体匹配和三维重建。其中,立体匹配是双目视觉研究中的重点和难点。本文提出基于Hopfield神经网络的立体匹配算法,利用双目视觉,研究了机器人目标定位技术,并在此基础上进行了基于双目视觉的机器人目标定位实验。首先,本文对国内外基于双目视觉的机器人目标定位技术进行了深入研究,了解研究现状,总结分析了基于双目视觉的机器人目标定位技术中涉及的研究重点和难点;明确了本文的主要研究内容和研究工作。其次,研究了立体视觉基本原理,特别是双目视觉理论。在分析比较双目视觉系统原理的基础上,本文采用基于平行光轴的双目视觉系统作为机器人目标的定位的基本结构,并从几何角度分析了目标深度与视差之间的关系,奠定了双目视觉目标定位的理论基础。再次,重点研究了双目视觉目标定位涉及的关键技术,特别是坐标系统、相机模型、相机标定、双目相机标定与校正、三维重建等技术;另外,重点研究了基于张正友法的相机标定技术,并采用该方法对本文实验使用的相机进行标定。然后,深入研究了双目立体匹配,在分析研究了双目立体匹配基本原理、立体匹配约束、立体匹配难点和立体匹配算法的基础上,利用能量最小化方法,提出一种基于Hopfield神经网络的立体匹配算法;立体匹配中的极线约束、唯一性约束、平滑性约束和相似性约束引入到Hopfield神经网络能量函数中,不断更新神经元状态,从而最小化Hopfield神经网络能量函数,最终计算出视差图。最后,在理论研究的基础上,搭建了基于双目视觉的机器人目标定位实验平台;在平台上分别开展了相机标定、双目相机标定、基于Hopfield神经网络立体匹配和机器人目标定位等实验,并进行误差分析。在不断实验并分析误差,改进算法的基础上,完成了基于双目视觉的机器人目标定位,达到了令人满意的精度。