近年来，自主移动机器人技术的发展改变了人类的生活，以机器人为主体完成各种各样任务的应用也越来越多。由于机器人要在未知环境中完成特定的任务就必须准确知道自己在空间中的具体位置，冈此，定位技术是自主移动机器人的关键技术之一。随着机器视觉技术的发展，基于视觉的机器人定位技术正在快速发展。视觉拥有信息量大，特征丰富等特点，可以为移动机器人定位提供较为准确的信息。　　 视觉里程计是近年来国内外的研究热点，该方法根据机器人获取的图像序列来计算机器人车体的运动距离和旋转角度，由此推算出机器人当前的位置，实现机器人定位。由于不受车轮打滑和路面不平整等客观因素的影响，仅根据前后帧图像特征的匹配就能得剑比较准确的姿态信息。　　 本文对双目立体视觉里程计的实现方法与原理进行了深入的探讨，并通过实验对文中讨论的算法的正确性和有效性做了验证。　　 首先，介绍了机器人视觉和机器人定位技术以及双目立体视觉的基本概念，研究了基于双目立体视觉的视觉里程计的基本原理。　　 接着讨论了相机标定的内容，并且通过实验来标定了本文实验平台的双目立体相机，得到了相机的内部参数和外部参数。　　 其次，对特征点的提取和匹配做了重点研究，比较了Harris和SIFT算法。由于视觉里程计有实时性要求，本文选择了运算速度较快的Harris特征；研究了特征点匹配的基本方法，并结合本文实验平台的需求提出基于视差空间的CENSUS匹配算法，该算法通过考察待匹配点邻域内灰度值和视筹值的分布情况来判断这两个特征点是否匹配。实验表明，该算法解决了区域匹配算法在灰度或者视差突变的地方会出现误匹配的问题，在保证匹配速度的前提下，有效的提高了特征匹配的精度。　　 接着，研究了视觉里程计算法，分析了刚体在3D空间和视差空间的运动模型，由于当机器人在视差空间运动时，有些点的视差值不稳定，会造成视差空间下的运动估计产生较大误差，因此必须采用平滑算法去除这些点，本文首先研究了RANSAC算法，并且在此基础上提出了改进算法，该方法不需要进行迭代，拥有更低的运算复杂度，可以达到RANSAC算法相近的精度。最后在视差空间中通过SVD分解得到机器人的当前姿态信息，实验表明，该改进算法效果良好。