双目立体视觉的距离测量在三维重构、非接触式精确定量测量和危险场景感知等领域有着广阔的应用前景。一般的双目立体测距系统主要包括四个部分：立体标定，图像校正，立体匹配，立体测距。其中立体匹配是整个研究过程的重点以及难点，存在匹配精度差以及实时性不足的问题，针对这一问题对区域匹配算法进行了改进，提出了基于梯度和平方差和函数(Sum of Square Difference based on Gradient, GSSD)及两次连通域提取求精算法，本文以该过程为重点进行改进达到了提高运行速度得到精确距离的目的。　　首先，本文对双目视觉以及立体匹配的基本理论知识进行了介绍，包括摄像机成像原理、极线几何、三角测量原理等。并重点介绍了立体匹配方法的分类，即，局部立体匹配算法和全局立体匹配算法。其中局部立体匹配方法中又举例介绍区域匹配算法、特征匹配算法、相位匹配算法，全局匹配方法中举例介绍了动态规划算法和图割法。　　其次，在立体匹配阶段，本文以窗匹配方法为基础，提出了一种新的区域立体匹配方法—GSSD)，该匹配方法在匹配代价计算过程中加入了邻域梯度信息，增加了匹配的鲁棒性，并且更改了传统算法的匹配搜索策略加快了匹配的速度。　　最后，在视差图求精阶段，为了进一步提高算法的效率，对Mode滤波器进行了改进并对初始视差图进行了降噪处理，随后本文提出了一种新的视差图求精方法—两次连通区域提取法，该方法通过第一次连通域提取，之后进行膨胀然后再进行连通域提取这样的一个过程剔除了图像中的误匹配区域，得到最终的视差结果。该过程快速准确，与其他算法相比整个过程的时间效率提高了62%。通过三角测量法得到最终的测距结果，并将最终的实验数据以及对比结果进行展示。　　本文在 Matlab及 OpenCV平台上对算法进行了仿真实验，所采用的数据库为Middlebury数据库，通过与常见的三种立体匹配算法进行了视差图精度、运行时间以及测距结果的对比实验，本文算法的计算时间效率提高了62%，测距结果理想，算法的鲁棒性得到了增强，满足了实时性的要求。