本文对立体视觉中的两个基本问题，外极几何和立体图像匹配，进行了研究。对外极几何中的角点匹配和基本矩阵的估算提出了改进算法，实现并比较了两种校正算法。并且本文还给出了两种改进的通用匹配算法，以及提出了一个可应用于立体视频会议的半规则网格算法。　　 在外极几何方面，着重介绍了两个不同配置的摄像机的几何关系，并且提出了完整的估计两个摄像机之间的基础矩阵的算法：包括了改进的角点检测和匹配算法，使用了双向匹配校验来减少误匹配的产生；基础矩阵的估算算法，使用RANSAC算法用来进一步消除误匹配带来的影响，并且在RANSAC算法的基础上使用内点的数据用非线性的迭代算法进一步得出修正的结果；立体图像的校正，介绍并实现了两种常用的校正方法，并且比较了这两种算法的优缺点。　　 对于立体图像匹配，本文首先介绍并实现了两种改进的匹配算法。多级块匹配算法是在传统的块匹配算法的基础上，引入了多分辨率计算，并且使用了检验左右匹配一致性的方法来消除匹配发生错误的可能性。动态规划算法也是使用块匹配作为基础，引入了几种约束条件，通过最小化全局的代价来获得一个视差路径，这个方法能够给出比较均匀的视差场，并且对于具有连续性的场景能够得出更好的视差场。本文还对这两种算法的优缺点和适用情况进行了分析。　　 本文还提出了一种半规则的网格法，这个网格法结合了标准网格法和自适应网格法的优点，在保持行列结构的情况下，依据梯度的大小定位网格的行列，并且联合使用了块迭代和网格迭代来加速收敛过程，实验结果表明这种算法和传统的网格法相比能够用较少的节点数得到更好的效果，可以应用在立体视频会议等有着简单场景的情况下。