随着科学发展和技术进步，人们将各种先进技术运用到汽车工程中，试图研制出具有全功能感知环境与智能信息处理能力的智能汽车，来解决日趋严重的交通安全问题。而如何快速准确地感知汽车行驶环境一直是智能车辆研究的一个难题。立体视觉技术是最接近于人类方式的三维视觉信息感知技术，其研究目标是使计算机具有通过二维图像认知三维环境信息的能力。由于图像的复杂性，实时的视觉导航定位和三维重建的广泛应用还面临不少困难。本文以北京工业大学的电动汽车为工程应用背景，以电动汽车的双目立体视觉系统为研究对象，分析和研究了基于双目立体视觉技术获取深度信息的方法，对双目立体视觉模型参数的标定、双目视差估计以及基于视觉的车辆前方环境感知技术进行了研究。主要研究内容和创新点如下： (1)针对考虑镜头畸变的摄像机模型，根据透视投影的交比不变性，利用单应性矩阵及内部参数的基本约束，提出一种基于交比不变性的摄像机线性标定方法。利用摄影变换的交比不变量和调和共轭的性质，提出一种基于圆环点的摄像机内部参数的线性标定方法，不需要作三维空间点与二维图像点的匹配。两种线性标定方法避免了摄像机标定的非线性优化过程中可能遇到解的不稳定性问题，具有简单、方便和鲁棒性强等特点。同时，给出一种双目外参数的线性标定方法。该方法不仅具有与传统方法相当的精度，同时双目标定不限于实验室环境，不需知道标定物的空间坐标，适合于机器人的“移动”特点，提高了标定方法的灵活性。 (2)提出一种基于分段线性视差函数的视差估计算法。基于同名极线对应的空间曲线可以近似为分段直线的假设，由于左右视差函数与深度函数之间的线性映射关系，可以得到左右视差函数也为分段直线。根据视差点的结构原理，以及左右极线上相邻灰度跳跃点之间区域的线性映射，来确定匹配的能量函数，简化了视差点的求取。该算法不用考虑遮挡匹配代价，可同时进行视差估计与遮挡检测；能较好地处理深度不连续区域和单一纹理区域的匹配问题；估计的视差值不一定是整数值；避免了非线性优化，降低了计算复杂度。 (3)提出一种基于动态规划的视差点匹配方法。在动态规划中进一步引入遮挡约束，有效减少了搜索区域，有助于提高算法的快速性。基于视差点的结构原理和视差函数的分段线性特点，来确定匹配的能量函数。在匹配处理的同时处理遮挡问题，有效降低了遮挡区域和视差不连续区域的误匹配百分比。给出一种基于网络最大流的匹配算法。将网络的最大流-最小割原理用于视觉匹配的能量优化，利用视差标号方法建立网络，讨论能量的表示方法，用像素差分的距离来代替平滑项，更利于网络的构造和算法的实现，以降低算法的计算量，实现了能量函数的极线最优。 (4)提出一种实用的车道线检测算法。将Hough变换技术应用到车道初始检测模块中，利用车道的统计特征和Kalman滤波技术进行车道跟踪，提高了算法的实时性，同时保证了算法的鲁棒性。对左右图像提取的车道线进行匹配和重建，确定车辆与车道线的相对位置。同时，提出一种有效的前方目标车辆检测方法，利用检测到的车辆底部阴影，基于改进SUSAN算法和Kalman滤波算法，确定目标车存在区域，对目标区域的特征点进行匹配和重建，进而求出目标车与本车的距离。