双目立体视觉技术是机器视觉的重要研究方向。它通过模拟人眼对物体远近的认知来获取被观察对象的三维立体结构,从而判断物体在真实世界中的准确位置。三维世界中位置信息的获取使物体识别、三维重建、机器人导航等自主行为成为可能,对人工智能的发展起到极大的推动作用。本文的主要研究成果如下:1)本文从理论推导及仿真实验的角度,研究了被动双目立体匹配框架中的代价计算算法对图像放射性变化的鲁棒性,如曝光、亮度变化、晕影。研究对象包含两类:参数型与非参数型的匹配代价计算,如基于亮度、梯度、Census变换、归一化互相关的代价计算及衍生的融合算法。本文使用全局与局部代价聚合算法对代价值进行平滑处理,如基于导向滤波、盒滤波、最小生成树及加权最小二乘的快速全局滤波代价聚合算法。同时,本文使用模拟放射性变化数据集对代价计算算法进行评估,详细分析了各算法有效性。2)本文提出了一种新的全局双目立体匹配框架。该框架采用基于图像三通道的亮度值与梯度值融合的代价计算算法,将计算结果作为全局能量函数的数据项,且相邻像素的加权差值作为能量函数的光滑项。采用基于最小二乘的快速全局滤波算法对能量函数进行求解,并使用基于导向图的加权中值滤波对视差图进一步优化,获得最佳视差分布。该框架产生的视差图错误率较低,且算法具有较高的算法运行效率。3)本文利用GPU强大的并行数据处理能力对图像灰度值及梯度值计算进行代码优化。与传统算法相比,并行化方法在保证精度的同时能够大幅提升运算速度,达到实时处理的效果。