随着机器视觉理论的发展，双目立体视觉技术在工业发展中发挥了越来越重要的作用，具有广泛的应用性。移动机器人导航技术是移动机器人研究领域中的一项关键技术，涉及到机器人的感知、规划、执行等诸多方面。视觉导航是机器人领域研究的热点，其核心和关键是基于视觉的地图构建方法。　　 移动机器人在陌生环境中自由巡航，类似人认识环境和学习环境的过程，随着认识环境的扩大，输入空间不断增加，描述周围环境的数据越来越多，如何记忆这些数量巨大的描述数据成为绘制地图的主要问题。本文采用了基于SOM算法[1]-[3]的少数神经元表示大量采样数据的自组织可生长特征映射图描述法建立环境的拓扑地图。　　 本文对双目立体视觉和GSOM算法相结合的移动机器人地图构建方法进行研究，完成的主要工作包括：　　 (1)在对拍摄的图像进行canny边缘提取、hough变换、特征匹配、三维坐标计算等一系列图像处理过程研究的基础上，提出了一种SIFT特征匹配算法的改进算法。该改进算法通过计算左右图像对对应特征点3×3邻域内的相关性来消除匹配过程中由于光照等原因产生的误配。该方法有效的消除了在匹配过程中出现的误配，提高了匹配精度。　　 (2)针对摄像机拍摄的图像存在着畸变的问题，本文利用立体校正方法消除图像畸变并对齐左右图像的像素行，在此基础上进行了“绝对误差累计(SAD)”匹配实验和基于图割理论的匹配实验。在对比了两种实验结果后，选用实时性较好的SAD匹配方法来查找左右图像对的匹配点，从而计算出左右图像对的视差，得出空间点的三维坐标。实验表明，该方法具有计算准确性高，实时性好等优点。　　 (3)针对如何记忆机器人在巡航过程中产生的环境描述数据越来越多的问题，本文在自组织特征映射算法的基础上，提出了双目立体视觉和自组织可生长特征映射图相结合的机器人地图构建方法。该方法首先利用双目立体摄像机采集图像，使用立体匹配方法对拍摄的机器人实际的环境图像进行处理，从而计算出机器人实际环境中障碍物的位置信息和机器人可通行区域的位置信息。将采集到的图像信息转化成神经网络的训练样本，根据自组织可生长的特征映射算法绘制实际环境的二维拓扑地图。实验通过不断增加新的神经元实现网络规模的增长，用少量的SOM神经元就表现了大量的位置信息的采样数据，实现基了于双目立体视觉和GSOM算法相结合的机器人地图构建。　　 本论文的研究工作得到国家自然科学基金(NO.60774077)、国家863计划(NO.2007AA04Z226)、北京市教育委员会科技计划面上项目(NO.KM200810005016)和北京市教委科技创新平台项目(NO.0020005466018)的资助。本文的研究工作对于移动机器人的地图构建研究具有一定的参考意义。