计算机视觉技术是人工智能领域中最热门的一个方向,双目立体视觉作为计算机视觉的关键技术之一,使计算机直接模拟人类视觉系统的方式感知现实世界,具有成本低、设备简单、使用灵活等特点,是获取三维场景深度信息的重要手段,广泛应用于生产和生活的各个领域,例如机器人导航、遥感测量、无人驾驶、航空勘测及游戏产业等领域。但由于某些因素和条件的限制,双目视觉技术并不能真正的像人类视觉那样通用,同时基于双目立体视觉深度感知技术的精度直接受到立体匹配效果的影响。论文围绕着双目立体视觉系统深度信息的获取、立体匹配算法等重点问题进行研究,从局部算法和全局算法两个方面深入研究立体匹配,并针对基于双目立体视觉的深度感知技术搭建实验平台,进行实验仿真,实验结果分析验证了深度信息提取的准确性,主要工作如下:(1)论文介绍了双目立体视觉系统模型以及立体匹配的一些基础理论知识,阐述了立体匹配的一般流程和立体匹配评价标准。(2)在局部立体匹配算法方面,研究了自适应支持权重算法,并对经典自适应支持权重算法做出了改进。考虑到自适应权重所依据的相似性分组建立在CIELab空间上,论文将CIELab色彩空间的灰度绝对值差与Census变换作为自适应权重算法的测度函数,实验结果表明,改进算法相对传统自适应权重算法在各个指标上的匹配精度都有所提高,并且改善了传统算法在低纹理区域产生的块效应。(3)在全局立体匹配算法方面,提出了一种基于多路径垂直约束的动态规划算法,用于解决原始动态规划立体匹配算法得到的视差图出现的条纹瑕疵现象以及在图像边缘处匹配精度不高等问题。在动态规划路径寻优阶段引入垂直约束,采用多路径回溯的策略存储阈值限定下的视差路径,作为约束项引导下一行的能量优化,实验结果表明,论文算法有效地消除了传统算法的缺陷,使得总体的匹配精度得到提高。(4)设计了基于双目立体视觉深度感知的实验流程并搭建硬件平台,采用论文提出的算法生成了场景的视差图像,根据三角测量原理获取到了场景图像的深度信息及点云数据,并对场景进行三维重建显示,结果表明,深度信息提取精度高,重建效果良好。