双目立体匹配是利用双目相机获取视差图像的技术,在机器人导航、自动驾驶、自然场景的三维重建等多方面发挥着重要作用,是计算机视觉领域研究的热点。但其庞大的计算量使其即使在PC上的处理速度很慢,且在PC上的实现难以适应实际工程中对功耗、体积等要求。我们结合Nvidia公司的嵌入式GPU开发平台Jetson TX1,利用CUDA技术实现对基于引导滤波的匹配方法的并行化设计,并对半全局立体匹配进行了改进。本文首先在介绍立体匹配算法的研究历史和现状的基础上对CUDA平台进行了介绍。再对立体匹配的双目相机模型进行了研究分析,利用张正友标定算法完成对双目相机的标定和畸变矫正。对立体匹配的输入图像进行了极线校正和均值滤波预处理。随后我们以自适应支撑权重算法为对比详细研究了引导滤波方法,结合CUDA完成了对引导滤波匹配方法代价计算和代价聚合阶段的并行化设计,实现了37.8倍的处理速度提升和每秒5帧的处理速度。最后我们对半全局立体匹配算法进行了改进,利用十字交叉区域改进了AD-Census匹配代价函数,在扫描线优化的基础上结合多尺度信息对代价聚合阶段根据多尺度模型进行代价聚合。我们的实验证明改进的半全局匹配方法获得的视差图像具有更清晰的边缘,同时平均坏点率也下降了2.2%。