近年来,在农业植保方面使用无人机替代传统人工作业的需求日益增大。植保无人机通常工作在低空,需要感知复杂作业环境,通过对障碍物的准确测距实现自动躲避树木或电线杆等障碍物。如何为植保无人机提供速度快、精度高的避障能力成为推广植保无人机的难点之一。本文针对传统特征匹配速度慢、精度低而导致测距误差大的现象提出了一种基于边缘特征加强的匹配算法,以双目视觉理论为依据,对双目视觉理论中的关键技术进行了研究与改进,设计了一个基于双目视觉的环境感知系统以提高短距离测距的精度,并对该系统进行了试验验证。论文工作首先针对相机标定研究了三种主要的标定技术,并对其中操作简便、精度高、成本低的张正友相机标定法做了详细的原理及参数误差分析,保证了后续基于双目视觉环境感知系统测距的准确性。论文工作研究了图像增强的过程,包括灰度化点增强与滤波去噪域增强,其中针对中值滤波对噪声过滤与保留图像边缘细节不匹配的现象使用了自适应的中值滤波算法,能够在有效过滤噪声的同时保护边缘信息。论文工作研究了基于特征的立体匹配算法,对比分析了目前应用广泛且速度与鲁棒性均较强的SURF特征检测算法和ORB特征检测算法。之后针对植保无人机的工作环境,提出了基于canny算子的边缘信息加强的特征匹配优化算法,该算法通过对去噪后的灰度图进行二值化操作、边缘检测、ORB特征提取、k近邻特征匹配后,又运用了RANSAC随机采样一致性思想剔除了误匹配点。并通过与传统立体匹配算法进行对比实验证实该优化算法在一定程度上提高了立体匹配的精度与速度。基于论文对双目视觉关键步骤的研究与优化,搭建了一个基于双目视觉的环境感知系统,完成了软件算法的计算机实现,使用标定后的双目相机对真实环境中的障碍物进行感知,并使用优化后的图像增强和立体匹配算法依次对获取到的包含障碍物的图像对进行处理,通过实验验证本文提出的优化匹配算法在匹配精度和速度上都有一定提升。最后与传统基于SIFT特征的双目测距进行对比实验,证明了在相同的环境下本文的方法在精度和速度上的有效性,从而可以为植保无人机的自动避障功能提供可靠的技术支撑。