双目立体视觉广泛应用在自动驾驶、增强现实、人脸识别、三维重建和军事侦察等众多方向中,目的是获取场景中的深度信息。立体匹配的原理是通过对立体图像对中的匹配点进行计算从而得到相应的视差值。因为获取到的视差值根据三角测量原理可以恢复场景深度,所以立体匹配是双目立体视觉系统的核心。但是,立体匹配任务对于图像中的遮挡、深度不连续、光照不均匀、弱纹理以及重复纹理区域存在误匹配率较高的问题,导致视差预测的准确度下降。近些年来,深度学习在诸多计算机视觉任务中取得显著成果,它擅长取全局特征和上下文信息的特点对于立体匹配的研究非常关键,所以基于深度学习的立体匹配研究逐渐成为焦点。由于立体匹配通常以视差图的形式表示得到的视差值,因此受到了图像到图像翻译任务的启发,本文出了一种基于条件生成对抗网络（Conditional Generative Adversarial Nets,CGAN）的端到端立体匹配算法,目的是将立体图像对转换为视差图。CGAN由生成器网络和判别器网络构成,生成器网络的任务是生成贴近真实值的视差图,判别器网络的任务是鉴别输入的视差图来自于生成样本还是真实样本。在构建CGAN的详细结构时,生成器网络采用了pseudo-Siamese网络和U-Net。其中,pseudo-Siamese网络从立体图像对中取到的特征代替原始像素供给U-Net来学习,以便减轻网络的学习压力。U-Net是具有跳跃连接的编码器和解码器网络,跳跃连接可以防止下采样过程中低层语义信息的丢失,有效融合低层语义特征与高层语义特征,在生成视差图时降低视差预测的误匹配率。判别器网络借鉴了经典的图像分类网络结构,通过卷积神经网络对输入进来的视差图进行鉴别。而生成器网络和判别器网络共享的条件设置为pseudo-Siamese网络取到的特征,能够降低平均误差值和减少参数量。关于损失函数方面,将原始的CGAN损失函数与传统的∠1损失函数相结合用于训练网络。本文先利用Scene Flow数据集对网络结构作出分析与调整以得到效果较好的网络模型,最终在Middlebury测试平台上进行评估,并且与该平台排行榜上的其它算法相对比。结果表明本文出的算法能够在保证运行时间的同时,降低误匹配率和平均误差值,有效高视差预测的准确度。