双目立体视觉是计算机视觉领域的重要研究方向之一,它通过模拟人眼对立体空间的感知过程来重建被观察物体在真实世界中的三维结构。近年来,双目视觉广泛应用于无人驾驶、双目测距、三维重建、虚拟现实等领域。一个完整的双目视觉系统包括相机标定,图像校正,立体匹配和三维重建四个部分,其中立体匹配是双目视觉研究中最关键的环节,匹配结果直接影响三维重建的效果。局部立体匹配硬件要求低,计算速度快,匹配精度也随着研究的深入不断提高,是立体匹配研究的热点,具有广阔的应用前景。本文对立体匹配的原理、基本步骤、算法分类和评价标准展开研究,并针对目前局部立体匹配算法中存在的问题与难点,创新地提出一系列优化思路和方法,主要贡献有:(1)针对立体匹配中边缘深度不连续导致误匹配以及弱纹理区域容易产生二义性等问题,提出一种基于边缘加权的跨尺度局部立体匹配方法。代价计算阶段,首先结合像素强度和梯度作为初始代价,然后对预处理后的图像用Canny算子进行边缘检测,根据边缘点的数量和结构信息建立相似度衡量函数,为边缘信息近似的初始代价提供两种策略的“奖励”加权,增强相似点的辨识度。代价聚合阶段,在跨尺度聚合模型下采用引导滤波进行聚合,有效改善弱纹理区域的匹配效果。在Middlebury测试平台下对4组标准立体图像对和27组扩展立体图像对进行实验,结果显示,在未加入视差精化步骤的前提下,非遮挡区域的平均误匹配率为7.88%,说明所提出方法能够有效提高匹配精度。(2)针对立体匹配精度易受噪声和幅度失真影响的问题,提出一种基于HSV颜色空间和改进Census的抗噪匹配方法。代价计算阶段,首先将图像由RGB颜色空间转换到HSV颜色空间,将色调通道作为匹配基元,建立HAD代价计算函数,抑制幅度失真的影响;其次,提出一种邻域加权的改进Census方法,解决传统Census变换过度依赖中心像素的问题,提高算法抗噪性;最后将HAD代价和改进Census代价进行非线性融合作为初始代价。聚合阶段,提出基于置信区间的异常值剔除方法,将不在置信区间内的代价值剔除,对剩余代价进行滤波聚合,进一步降低噪声干扰,提高噪声环境下的匹配精度。实验证明,所提出的方法不但能够有效抑制噪声影响,在曝光和光照条件不一致的场景中,也能够取得较稳健的匹配效果。该论文有图43幅,表13个,参考文献75篇。