随着科学技术的发展,计算机视觉领域中的多项技术在推进社会发展进程中发挥着愈来愈重要的作用。数字图像处理技术已经被广泛应用于工业生产、自动导航、环境保护、气候监测、生命科学、地形勘探、国防军工等众多领域,对社会发展和居民生活影响深远。目前,基于图像特征提取和RANSAC的图像匹配方法是使用最为广泛的图像匹配技术。这类方法使用图像中极少兴趣点作为图像特征,然后使用RANSAC对待匹配图像的空间映射关系进行最优化估计。现代遥感、自主机器人、智能监控等领域都对图像匹配技术的实时性提出很高要求,使用常规软件平台实现图像匹配算法效率低,难以满足实时计算要求。而且体积巨大,造价高昂,其使用空间进一步缩小。随着半导体技术发展,很多图像算法被开发成硬件结构,加快算法速度,保证系统工作的实时性。本文首先介绍了立体相机成像的投影变换模型、对极几何模型以及相机运动模型和图像变换模型等多种数学模型,分析了基于RANSAC的图像匹配技术所依托的对极几何模型,相机运动的几种基本类型以及由相机运动产生的图像变换类型。然后本文介绍了目前使用最广泛的基于RANSAC的图像匹配方法,对现有的RANSAC算法研究成果进行了研究和分析,推导了RANSAC算法的预处理过程、基本原理以及处理流程。并结合工程需求和硬件设计的特点对算法的数学模型进行了推导和优化。本文着重对基于对极几何的RANSAC算法的数学模型计算部分进行了深入分析和推导,并针对硬件设计做了优化,主要在RANSAC算法的抽样方法、单应矩阵的计算过程和迭代次数的计算三个部分进行优化。基于优化后的RANSAC算法,本文设计完成了硬件处理架构,并分四个小节详细介绍了本文所设计的RANSAC硬件整体结构和存储抽样单元、单应矩阵计算单元和一致性比较单元三个子单元的结构。基于前面优化的RANSAC方法设计了整体硬件实现结构,并针对于硬件结构的各子单元和子模块结合其仿真波形进行了细节结构分析。本RANSAC算法硬件实现架构利用Verilog HDL语言进行描述,并且在Mentor公司的Modelsim仿真平台进行性能、功能等仿真测试。基于双视角图像仿真测试了本硬件结构的功能效果。经RANSAC硬件结构处理后,错误的特征匹配被基本剔除,剩余的匹配特征点呈现出两张图像之间清晰的唯一的空间映射关系。最后本文对所设计的RANSAC硬件结构进行了时序分析和逻辑计算资源占用情况对比分析。通过与最近的相关研究对比,本文所设计的RANSAC硬件结构在算法性能及硬件资源使用效率方面均有明显提升。本文所设计实现的RANSAC硬件结构所支持的图像分辨率达到2048×2048,特征点数量最大支持1024,处理速度达到55fps,所需硬件资源少于其他研究成果的四分之一,且无需外部存储器。