近几年,随着计算机技术、人工智能的迅速发展,包括计算机视觉技术在内的人工智能领域技术应用也在不断地向我们的生活中渗透。双目立体视觉作为计算机视觉领域中的最重要的分支之一,通过两个一致的摄像机来模拟人类的双眼,从而获得物体的深度信息。而双目长景深相机利用了波前编码系统的成像原理拥有更大的成像空间,所以可以获取更多的物方信息量[1][2];它可以形成更真实的图像,更适合人眼的三维视觉。但由于点扩散函数的非对成型和扩展效应,会给三维定位带来一个较大困难。针对点扩散函数的非对成型和扩展效应对双目视觉带来的影响,本文主要针对角点检测做出了研究,采用改进的Hessian角点检测器去消除冗余和缺失现象,根据长景深相机在公开数据集的效果,对改进的Hessian角点检测器做出优化,使其更具有鲁棒性。具体工作如下所示:本文首先对长景深相机进行立体测量存在的问题进行了实验分析,传统Hessian角点检测器在长景深系统中会存在的冗余和缺失现象,本文针对这一问题提出了一种新的基于Hessian角点检测器的角点检测方法。在长景深系统中,特征值取值的范围无法精准控制,容易产生冗余和缺失。为避免该现象,本文方法对特征值取值范围做出优化,仅考虑特征值影响较大的一方,根据X角点周围曲率变化最大的负局部极大值的点,得到初始角点集,同时进行去伪角点和角点排序,从而限定角点排序开始的方向。实验表明,该算法具有一定的鲁棒性,在角点检测,双目标定上有较高的精度,可对之后的测量奠定了一定的基础。为了使该方法更具有普适性,将该方法使用公开数据集进行实验研究,针对存在的问题进行了进一步的优化处理。在标定方面,本文以棋盘格标定板为参照物,采用张正友标定方法,由于该方法具有操作简单,鲁棒性强,精确度高的优点,而被广泛应用。针对采集到的图像数据集使用本文算法进行角点检测,得到角点集合,之后进行单双目标定,计算所得到的内参和外参用于立体匹配,采用GRD（强度加梯度）+GF（引导图像过滤器）+WM（加权中值滤波）得到的视差图,利用双目立体视觉测量原理,可以得到相应的世界坐标系的三维坐标值。测量实验表明在一定范围内有较好的测量精度。本文实现基于波前编码双目长景深立体视觉系统,对该系统进行标定研究和测量应用,在一定的距离内,能够实现较高精度的快速测量。