双目视觉系统旨在获取目标的三维结构信息和空间位置信息,其模拟人眼视觉系统,在处理景物上简便可靠,被广泛应用于智能驾驶、虚拟现实、航空航天、三维非接触测量等领域中。双目视觉系统包括图片获取、相机标定、图片校正、立体匹配和三维重建,其中立体匹配是学者们研究的重点以及难点,其匹配结果受光照、物体表面平滑度、物体间遮挡情况等多因素的影响。虽然现在已有多种立体匹配算法,但在精度和效率上仍存在一些不足。本文研究和实现了完整的用于感知三维目标的双目视觉系统,针对现有立体匹配算法中存在的若干问题,提出了相应的改进算法。主要的研究工作如下:1.对摄像机的成像模型以及涉及到的四种坐标系进行介绍,研究摄像机标定方法,并使用张正友法进行标定实验,计算得到摄像机的内外参数以及畸变参数,然后根据这些参数对图像进行校正,以消除图像中存在的畸变并使得极线平齐。2.对局部算法中性能较优的双边滤波立体匹配算法进行研究。双边滤波立体匹配算法综合考虑支持窗口内像素点与中心像素点之间的欧式距离和灰度距离,但是灰度差异只是深度差异的先验知识,在处理某些灰度变化较大而深度变化平缓的区域时容易发生误匹配。针对该问题,提出一种融合深度信息的双边滤波代价聚合方法,可用于视差求精,匹配精度提升了7.4%,但视差求精过程比较耗时,因此引入多尺度的思想,构建图像金字塔迭代求取视差图。实验结果表明,在运行时间仅增加1.66%的情况下,算法的精度提升了8.7%。3.提出一种基于分割树的改进半全局立体匹配算法。半全局匹配算法中沿直线方向的平滑约束存在路径不完全问题,导致弱纹理区域容易产生误匹配。针对该问题,提出一种基于分割树的改进算法。在图像中构建分割树,以树结构作为动态规划路径进行代价聚合,得到粗视差图。结合粗视差图重构分割树,代价聚合后得到精视差图。代价聚合过程中,只需遍历分割树两次即可完成所有计算。实验结果表明,该算法较好地解决了路径不完全问题,非遮挡区域上的平均错误率下降了45.36%,运行时间减少了50%。4.研究基于视差图的稠密三维重建方法。根据三角测量原理获取场景的三维点云数据,分析曲面重建算法的特点,采用基于Delaunay三角化法的曲面重建方法进行三维点云数据的网格化,然后对网格模型进行纹理映射,得到具有纹理信息的三维模型。