立体匹配是计算机视觉任务中的一个重要分支,其任务是计算双目图像中对应像素的视差。立体匹配算法在机器人、自动驾驶等领域有着非常广泛的应用前景。随着卷积神经网络融入,立体匹配在精度上有了显著的提升,但也出现了算法运行速度慢的缺点。针对此问题,本文设计了实时立体匹配算法,并将其应用于立体视觉系统。本文首先引入了幽灵卷积与分组卷积,分别在特征提取与视差优化阶段对算法进行了加速。同时本文结合传统算法,利用离散、可靠的视差值替代整个连续的视差搜索空间,设计了轻量化的代价向量构建方法,缩小了代价向量体积,加快了视差估计的速度。以上改进保证了本文算法的实时性。此外,本文设计了两层级联的立体匹配网络结构。内层网络计算视差置信区间,精确每个像素的视差搜索范围;外层网络在视差置信区间上进行视差估计。双层结构提高了视差估计的效率,一定程度上弥补了小体积代价向量带来的精度损失。最后本文设计实现了立体视觉系统。此系统实现了相机内外参标定,实时立体匹配以及三维重建等功能。此系统通过拍摄棋盘格、对棋盘格图像角点检测等操作对双目相机进行了标定。再利用标定结果对相机进行立体校正,使相机能够为后续的立体匹配算法提供标准的输入图像。在立体匹配模块,此系统利用Census特征辅助立体匹配算法,减少算法对训练数据的依赖。最后,此系统利用立体匹配算法计算出的视差图与标定算法计算出的相机内外参数对采集的图像进行三维重建。