立体视觉的实现可分为摄像机标定、特征点提取、立体匹配、三维信息的恢复及后处理五个步骤。本文围绕计算机立体视觉系统,针对摄像机标定和立体匹配技术展开深入研究,为实现从二维图像中提取三维信息打下基础。在摄像机标定部分,本文采用了综合传统标定和自标定优点的张正友平面模板标定法获得了双目摄像头的内外参数。同时对双目图像进行了畸变校正和极线校正,改善了图像质量并使双目摄像头拍摄的左右成像平面对极线行对齐,为后续图像立体匹配提供了方便。在特征点初匹配中,本文对几种常用的特征提取算子性能进行对比并选择了抗噪性和稳定性较好的SIFT算法进行特征提取和匹配,同时采用RANSAC算法去除误匹配点,从而达到了精匹配效果。在特征点稠密匹配中,本文首先研究了基于区域增长的稠密匹配方法,详细阐述了具体实现过程。同时本文提出了一种基于单应性的稠密匹配方法,该方法通过不断地假设当前的配准结果中相互毗邻的三对特征点形成的三角面片满足单应性关系,并利用互相关函数对单应性假设进行校验。将符合校验原则的三角面片记为配准面片,将不满足校验原则的三角面片进行细分后重新判断,既而从图像上检测更多的稠密匹配点,且匹配准确度较高。最后本文对两种稠密匹配方法的实验结果进行对比,验证了该方法的有效性。