随着GNSS(Global Navigation Satellite System)系统在智能交通领域中飞速发展,GNSS技术在列车定位中的应用也日益广泛。采用GNSS技术构建列车定位系统有着极大的优势,但铁路沿线环境恶劣,GNSS卫星信号易受到沿线障碍物的遮挡,以及反射或者折射产生多径效应,对定位精度产生影响。为了解决该问题,对沿线的陆地场景障碍物进行检测和三维重建,来获取轨旁障碍物遮挡状况,以排除可能产生多径干扰的卫星,提高定位的精度,具有理论价值和实际意义。本文提出一种基于计算机视觉技术来获取轨旁障碍物遮挡状况以服务于列车卫星定位系统中选星预测的预处理方法,该方法使用多台摄像机组成多组双目立体视觉系统拍摄记录铁路沿线场景,之后对记录图像进行处理以检测各场景下天线周围的障碍物,并通过双目视觉理论对障碍物进行重建,得到其遮蔽角和水平角信息,形成相应的数据库,以用于之后的选星预测,辅助快速定位、消除多径干扰的影响,保证列车定位的精度。研究内容包括:1.相机标定:基于2D棋盘标定方法完成两台相机的内部参数标定并获得左右相机坐标系之间转换关系矩阵;2.图像预处理:提出更适合于轨旁场景的预处理方法,以图像灰度变换为主,能改善对比度,增强图像的细节信息;3.障碍物特征求取:完成障碍物特征求取,提取出图像的角点、边缘信息,并对Harris角点检测算子进行了一定的改进;4.特征匹配:作为计算机视觉系统的核心,本文提出了一种结合Monogenic Signal和传统的基于区域的窗口匹配两者特点的粗匹配方法,并使用极线几何约束进行进一步的精匹配;5.三维重建及角度信息求解:完成障碍物的三维重建,求得角度信息,为选星奠定基础。论文对算法进行了详细的数学推导,并且通过实验进行了仿真验证,表明该方法结果较好。