随着社会的进步,人口日益增长导致人类面临了很多农业方面的问题。为了解决这些问题,农业生产智能化得到了广泛的研究,尤其是农业自主车辆。但在实际农田环境中,会出现很多的不可避免的障碍物。因此如何实现障碍物的检测是很重要的问题。在诸多传感器中,双目相机价格适中,容易得到场景中物体的深度信息,同时也能获得足够的环境信息,其处理效率通常的计算机完全可以胜任。此外,双目相机与人眼构造相似,符合人们的认知习惯,更有利于人们的使用和研究。故本文的研究建立在双目相机的基础上,进行了基于双目视觉的障碍物检测研究。本文首先介绍了本课题的研究背景和目的意义,并阐述了障碍物检测技术在国内外的研究现状,提出了本文的主要研究内容；接着从双目视觉的总体设计出发,提出了双目视觉系统的整体结构和实现步骤,并从硬件平台和软件平台两方面出发,对双目视觉系统进行了构建。在摄像机标定方面,本文首先介绍了摄像头成像原理,并引入了摄像机标定时所需要的几个参考坐标系,对这几个坐标系之间的关系进行转换。对于摄像机标定方法,本文主要介绍了三种传统的标定法：DLT标定法、Tsai的RAC标定法、张正友平面标定法。由于张正友平面标定法操作简单,具有很高的实时性和鲁棒性,因此本文采用了张正友平面标定法,并通过MATLAB软件对摄像机进行标定实验,获得了摄像机内部参数和外部参数。在障碍物目标区域提取中,本文主要采用了最大类间方差法提取最佳阈值,并对图像进行分割,得到障碍物大致区域。对双目摄像机获得图像进行特征点检测与匹配,本文主要介绍了三种典型的算法：Harris-NCC算法、SURF算法、SIFT算法。并通过分别采用这三种算法,对图像进行特征点检测与匹配,分析比较这三种算法的性能,主要包括检测的特征点数、特征点检测时间、匹配成功的对应点数、匹配时间。通过分析比较,最终得出SURF算法是最佳的特征点检测和匹配算法。最后进行深度信息计算,主要是通过SURF算法匹配好的对应点,选取障碍物目标标点的特征点,再根据世界坐标系和计算机图像坐标系之间的关系以及以及标定好的内部参数和外部参数,计算得到障碍物目标的深度信息。通过实验分析,计算出的深度与实际测得的距离有一定的误差,而且随着远离机器人小车的方向,误差率逐渐变小。