双目立体视觉以其在深度测量信息上的优越性，成为了计算机视觉测量领域近来研究的热点。双目视觉立体匹配算法是实现双目视觉测量的关键步骤，也是整个双目视觉测量中最为耗时的阶段。因此研究一种高匹配精度与低时间复杂度的算法，一直以来是学者研究的热点问题。本文选用张正友法作为摄像机标定方法，研究了立体视觉匹配的极线约束问题。在图像特征提取与匹配算法中，运用了2011年ICCV上提出的ORB(orientedFAST and rotated BRIEF)算法，它比传统的SIFT、SURF算法，保证匹配精度的同时，匹配速度有一个数量级以上的提高。在匹配优化中，采用了PROSAC（Progressive Sample Consensus）算法，该算法在去除误匹配的速度上比传统的RANSAC算法有显著提高。将ORB与PROSAC算法结合构造了一种新算法。仿真实验表明该新算法在准确性和实时性上都优于传统的同类型算法。然后运用本文提出的新算法在MFC与OpenCV环境下完成了：1.双目视觉静态目标匹配点三维坐标测量，运用匹配点的图像坐标解算出目标在左相机坐标系下的三维坐标；2.基于Kalman预测与目标学习的单目跟踪实验，运用预测结果减小搜索区域，使跟踪速度达到15fps以上，加入了目标学习方法，提高了跟踪鲁棒性；3.双目视觉静态非匹配点测量和任意目标尺寸测量，相对误差在3%以下；4.双目视觉下目标实时跟踪与测量，加入了考虑极线几何约束的扩展Kalman预测，提高了双目跟踪预测精度，并在中远距离达到较好测量精度。本文基于以上新算法：1.解决了以往基于特征点匹配的跟踪在速度上的缺陷问题，运用新算法达到了实时性要求；2.解决了以往双目跟踪与测距中需要对目标形状、颜色、运动情况等进行限制的问题，实现了对任意特征点丰富的目标的实时跟踪与测量。