具有较高自动化水平的无人车系统可帮助人类完成繁琐笨重、单调重复或危险复杂的工作,被广泛应用于交通安全、社会生活、航空航天和国防军事等领域中。无人车自动化水平的提高依赖于自身的传感器系统,尤其是环境感知系统,基于机器视觉的无人车自主导航是无人车的研究热点。双目视觉可以感知物体距离,是人类和大多数生物实现环境感知和导航的主要方式,双目视觉导航是无人车重要研究方向,其难点在于双目视觉感知处理算法的实时性和性能优异的路径规划算法。本文主要针对低成本和较高处理速度下的无人车系统的搭建、双目视觉障碍感知算法及其硬件加速的实现方法和路径规划三个方面进行研究。针对双目视觉处理算法和路径规划控制运算量大实时性强的特点,本文提出了基于FPGA+ARM架构的双目视觉感知的无人车系统设计方案,完成了实验硬件系统的搭建。将ARM在事务管理能力方面的优势和FPGA在并行加速计算方面的优势结合,使得系统具有更快的信息处理能力和更好的灵活性。搭建的双目视觉系统实现了当前场景图像信息的快速采集、准确同步和实时立体校正。利用FPGA实现立体匹配算法的并行加速运算及障碍物实时识别,以获得当前场景下障碍物深度信息;在ARM上以障碍物信息为约束条件,利用路径规划算法,获得路径信息;最后,实验验证了本文设计的无人车硬件系统的有效性和可行性。在障碍物检测过程中,对同步和校正后的左右灰度图像进行立体匹配、二值化、中值滤波和连通域检测等操作,综合性能与计算代价采用半全局立体匹配算法,实现视差估计和障碍物距离计算。主要贡献为利用FPGA的流水线原理及并行运算特性,加快了立体匹配处理模块,障碍物识别模块,障碍物距离计算模块的计算速度,编程中采用模块内并行、模块间流水设计、合并重复比较块和分时处理等技巧提高了计算效率,降低了资源占用率。在小型无人车有限硬件资源基础上实现了2m范围内的障碍物实时检测,可满足本文无人车的实时性和运动控制精度要求。在路径规划过程中,针对传统人工势场法的目标不可达和局部极小值问题,提出一种基于双目立体视觉障碍物检测的虚拟目标点建立方法,可有效解决传统方法中的局部极小值问题;再结合改进的斥力势函数,消除了目标不可达问题。通过仿真对比实验,证明了本文算法的有效性和优越性。最后,将改进人工势场法算法应用于所搭建无人车系统中,验证了所提算法的可行性和先进性。本文主要创新点包括两个方面:（1）在有限资源基础上,提出了一种基于块比较和分时处理的半全局立体匹配算法的FPGA实现框架,实现了当前场景深度信息的快速实时感知。（2）针对传统人工势场法的局部极小值问题,提出了一种基于虚拟目标点的改进人工势场法,避免了局部极小值问题。