双目立体视觉的核心任务是计算双目图像对应匹配点之间的像素视差进而获得深度信息,具有配置简单、精度高的优点,因此在自动驾驶、虚拟现实和智能机器人等领域有着广阔的应用前景。目前基于卷积神经网络的端到端双目立体匹配算法成为了双目立体视觉研究的热点,但是大多算法难以做到精度和速度上的权衡,限制了算法的应用,特别是阻碍了在精度和速度要求较高场景的应用,针对这个问题,本文对基于卷积神经网络的端到端双目立体匹配算法的准确性和实时性两个方面进行优化研究。针对有高精度需求的场景,提出了一种密集特征融合的端到端立体匹配网络。首先利用多个残差模块构建特征金字塔网络,实现在参数较少的同时充分捕获多尺度上下文信息。其次,设计密集融合模块扩大感受野,并将不同尺度的信息有效地融合起来,获得稠密特征图,减少特征稀疏给复杂区域带来的误匹配率。在此基础上,构造混合注意力模块增强网络对有用信息的处理能力。性能评估结果表明,该立体匹配网络在KITTI 2015数据集上的误匹配率为2.23%,运行时间为0.22s,与高精度算法PSMNet相比,误匹配率更低且运行时间减少46%,有效解决高精度算法运行时间长的问题。针对有高实时性需求的场景,提出了一种渐进细化的端到端实时立体匹配网络。首先设计轻量的特征金字塔网络提取并融合上下文信息,生成三种尺度的特征输出,接着分别经过混合注意力模块增强空间和通道上的信息交互,提高网络的泛化能力,最后以渐进细化的方式输出三个阶段视差图,进一步减少参数量。消融实验结果表明,该立体匹配网络在KITTI 2015数据集上的误匹配率为4.08%,运行时间为0.02s,与高实时算法Any Net相比,误匹配率减少2.43%,运行时间仅增加0.3ms,有效解决高实时算法精度差的问题。针对在精度和速度两方面都有要求的场景,提出了一种双通道特征融合的端到端立体匹配网络。首先利用双通道特征提取网络充分提取浅层空间信息和深层语义信息,通过快速下采样策略保持轻量性。接着进行多尺度特征融合,得到包含丰富空间信息和语义信息的三种尺度输出,提高物体边缘区域和内部区域的匹配效果。最后,采用渐进细化的方式输出三个阶段视差图。消融实验结果表明,该立体匹配网络在KITTI 2015数据集上的误匹配率为2.32%,三个阶段的匹配速度均高于20PFS,与渐进细化的端到端实时立体匹配网络相比,精度大幅提高,且在物体内部区域和边缘区域匹配效果更佳,有效解决高精度和高速度难以权衡的问题。