基于双目视觉的运动目标定位比其他方法有明显优势,是计算机视觉研究的重要内容之一。然而,双目视觉中由同一目标在不同视角下的两幅二维图像推断目标的空间位置是个复杂的反求过程。本文对双目视觉目标定位所涉及的摄像机标定、特征提取及立体匹配等关键技术进行研究。本文在对已有的摄像机标定方法进行分析的基础上,将传统标定方法与自标定方法相结合,给出了一种改进的平面标定法。该方法首先采用线性摄像机模型求得摄像机内、外参数的初始值,然后引入径向和切向畸变,再利用非线性优化求得畸变系数。不仅克服了传统方法设备要求高、操作繁琐的缺点,而且比自标定方法的精度高。针对Harris角点检测算法需人为设定阀值,容易出现角点分布不均匀或产生角点聚簇,且精度只能达到像素级的不足,对Harris角点检测算法进行改进。采用图像分块和邻近角点剔除的措施实现阈值自动设置,保证角点分布均匀；再应用Forstner检测算法将精度提高到亚像素级。立体匹配是双目视觉系统最困难的环节。由于实际系统中的外极线是弯曲的,使得沿外极线进行同名点搜索不仅非常耗时,而且计算过程受噪声影响大。为克服这一困难,本文给出一种基于图像校正与灰度相关性的立体匹配算法。首先采用图像校正方法将弯曲的外极线变为相互平行的水平外极线,简化了外极线的求取过程；再利用灰度相关性算法对同名点进行匹配,有效改进了立体匹配的准确性和稳定性。另外,针对实际光学系统中像差引起的图像失真,提出了一种有效补偿图像失真的预处理方法。该方法根据物像共轭关系将物面划分为与图像传感器像素相对应的许多微小物元,应用蒙特卡罗方法模拟从每一物元发出的光在像面上形成的光分布,即点扩散函数。由所有物元的点扩散函数构成一个点扩散数组,数组的每一行对应一个物元的点分布。基于该点扩散数组建立描述像元与物元关系的线性方程组,解线性方程组可得到接近实物的图像。该方法尤其适用于物像共轭距固定的成像系统。最后,应用Visual C++开发了双目视觉目标定位程序。在自行构建的实验系统上进行目标定位实验,验证了上述理论算法的可行性和有效性。