双目立体视觉技术在计算机视觉应用中占据着重要地位,它广泛的应用于三维模型重建、机器人视觉导航、虚拟/增强现实以及汽车自动驾驶中。双目立体视觉技术的核心任务是寻找参考图像和目标图像中所有像素点的对应关系,即每个像素点在水平方向的偏移量,该偏移量也称作视差。本文研究利用卷积神经网络进行双目立体视觉的视差预测,首先分析了已有方法存在的问题,然后针对这些问题提出了一系列改进的方案并在公开数据集上进行验证。论文的主要研究内容可以概括如下:首先,分析了卷积神经网络的经典骨架(Backbone)存在的问题,提出了一个更稀疏、更灵活的网络骨架UDense Net,并在CIFAR、SVHN以及Image Net等公开数据集上进行评测。另外,作为UDense Net的应用,论文由UDense Net引申出空间金字塔的思想,为后面章节改进基于CNN的立体匹配算法提供了基础。其次,提出了一种基于卷积神经网络的双目立体视觉视差估计的算法。首先是利用空间金字塔对立体图像对进行特征提取,并构建立体特征对的对应关系,即代价量。随后利用编解码结构对代价量进行代价聚合。之后通过Softargmin函数回归预测初始视差图。最后利用相似性度量指导视差细化,并在Scene Flow数据集上进行评测。最后,介绍了迁移学习的相关知识,讨论了真实场景下进行视差估计的难点。针对KITTI等无法大量标记真实视差的数据集,应遵循迁移学习算法的思想。首先在Flying Things3D合成场景数据集上对网络进行训练。然后再利用KITTI真实场景数据集对网络进行微调从而获得了平滑、连续、高精度的视差图。