基于立体视觉的汽车辅助驾驶研究涉及图像处理、计算机视觉、电子技术等关键技术,是计算机科学领域内最近兴起的热门研究方向,该技术模拟人眼视觉机理,通过一组摄像机获得汽车周围立体道路信息来辅助驾驶,其关键技术涉及计算机视觉科学重要难点问题研究。汽车驾驶辅助系统要求数据处理必须与车体高速行驶同步进行,对不同道路环境、复杂路面状况以及变化气候条件均具有良好适应性,为此研究新的机器视觉算法满足实时和鲁棒性要求是本课题的目标和困难所在。本文将研究探索立体匹配计算深度图从二维图像恢复出二三维信息,并在GPU上的并行实现,以实现路况识别和车辆、障碍物的距离计算、速度检测,最终获得车辆运行引导信息。与其它引导技术(如车载雷达)相比,双目视觉引导有许多优势,它不必在道路上增加设施,能适合来往车辆、行人、临时设施等。将立体匹配技术应用于智能驾驶系统时,由于真实图像匹配难度大,故只能采用效果好,但计算量大的全局优化算法。本文在对立体匹配预备工作,如摄像机标定、立体图像校准、常用全局优化算法,以及GPU并行计算做了介绍之后,重点阐述了如何在GPU上高效的实现图像的立体匹配和针对真实路面图像进行预处理以得到更好的匹配效果。具体内容包括以下两个方面：1.研究了动态规划立体匹配算法。结合真实图像场景信息复杂的特点,提出了一种基于移动窗口的代价函数计算方法,并且针对图像序列处理时,利用前一帧图像的代价函数信息来对当前帧进行更新,得到了更加平滑的视差图。并用GPU并行实现,达到每秒10帧。2.研究了置信传播立体匹配算法。置信传播算法在立体匹配中效果要好于动态规划,但是对复杂图像的噪声鲁棒性也不如动态规划,同时也耗费更多的时间。对此,我们对真实图像进行了Sobel算子以及Residual图像预处理,有效的避免了噪声的影响,并用GPU并行实现,达到每秒4帧。最后,对所做研究的成果进行了总结,并提出了将来努力的方向。