立体匹配是双目立体视觉领域的一个重要分支。影响立体匹配精度的主要因素分为两类:一类为外部因素,如镜头畸变;另一类为内部因素,如匹配窗口构造不合理等。本文首先提出了基于改进粒子群优化的摄像机标定算法,通过引入一阶切向畸变模型和改进粒子群优化算法,实现图像矫正和参数标定,为后续立体匹配奠定基础。随后,提出了基于简化独立成分分析和局部相似性的立体匹配算法(Simplified ICA Based Local Similarity Stereo Matching Algorithm,SILSSM),对Disp Net C进行改进,首先提出了简化独立成分分析(Simplified Independent Component Analysis,SICA)匹配代价聚合,引入匹配代价卷金字塔并定义了SICA损失函数;同时,在传统单像素点损失函数的基础上引入区域损失函数,定义了局部相似性损失函数;最后,SICA损失函数和局部相似性损失函数结合进行视差图预测。本文主要内容如下:(1)针对张正友平面标定法易陷入局部最优的问题,本文在原二阶径向畸变的基础上引入一阶切向畸变,构成混合畸变模型。同时,在粒子群算法基础上,引入收敛程度判断和轮盘赌策略,避免算法过早收敛。(2)针对视差预测中上下文信息利用不充分的问题,在Disp Net C的解码阶段堆叠不同层反卷积结果,构成匹配代价卷金字塔,以获取多尺度信息。(3)针对弱纹理区域视差图预测不理想的问题,提出了由独立成分分析(Independent Component Analysis,ICA)启发的SICA损失函数,结合预先构建的匹配代价卷金字塔,以获取更准确的权值,形成完整的SICA匹配代价聚合过程。(4)针对视差图边缘区域不清晰的问题,引入区域损失函数,结合单像素点损失函数,定义了局部相似性损失函数,以完善视差图的空间结构。