随着移动机器人导航技术的革新,室内场景下的移动机器人已经无法很好的满足人们的需求。三维重建技术作为移动机器人实现导航技术的重中之重,其重建精度直接决定了移动机器人的识别、定位精度。然而,考虑到室外实际场景的多样性以及不确定性给三维重建技术带来的诸多难题,基于双目立体视觉的三维重建技术得到了国内外学者的青睐。其在室外场景下具有测量范围广、精度高、实时性好等优势。双目立体视觉标定技术是实现三维重建技术的前提,而室外场景下的立体匹配技术直接决定了室外场景下三维重建的精度。本文针对直接采用张氏标定法进行双目标定可能会造成图像畸变变化不稳定、边缘处畸变变形严重等问题,提出了一种对左右相机参数进行分别求解再进行迭代优化的方法。又考虑到标定板上特征点的提取精度、光照、噪声等对双目相机标定的影响,为标定方法中加入了高斯滤波、中值滤波、二值化、平滑处理等图像预处理步骤。实验表明,本文所述标定方法误差最小可达0.1718 pixel,平均误差为0.2074pixel。针对现有双目标定误差评价方法模型复杂、多采用间接的评价方式、实时性低等问题,实现了一种对极式双目相机标定误差评价方法,利用左右图像特征间的相互匹配程度来评价标定误差。针对室外场景下立体匹配算法的精度和效率常常会受限于场景中物体的多样化、深度常常变化、遮挡、纹理过少、存在噪声等问题,本文研讨了一种基于多级优化的立体匹配算法。为了保证立体匹配的准确性,为立体匹配算法加入了基于Bouguet的立体校正处理。本文打破了传统立体匹配算法相似性评价常常只采用单一代价计算模型的思路,对匹配代价利用BT算法进行分段处理再多方向融合的方式来进行计算。针对本文代价计算方式为立体匹配带来的实时性问题,加入了一种基于动态规划的代价计算优化方法。为了保证立体匹算法在遭遇噪声、遮挡、局部最优等问题时的精度,为本文算法加入了后处理步骤。最后,为了验证本文所述的立体匹配算法在室外遭遇光照变化时的精度和鲁棒性,分别在3种不同室外场景中的4种不同光照条件下进行了12组三维重建实验。实验表明,本文所述方法在室外光照变化时仍具有较好的精度以及鲁棒性。