立体匹配技术是双目视觉理论的关键组成部分,是近些年计算机视觉和数字图像处理领域的研究热点。但由于获取的双目图像的信息量大、特征点提取和描述过程实现困难、匹配策略不合理等因素导致的图像匹配结果不准确,会直接影响到立体视觉技术的进一步发展。所以研究更快速高效的立体匹配算法具有重要的理论和现实意义。
　　本文在研究了国内外大量文献的基础上,在Marr视觉理论基本框架的前提下,研究了双目视觉系统的摄像机标定过程、特征点提取、立体匹配和空间物深度信息获取等关键技术。具体研究内容为:首先,根据线性模型下摄像机的标定原理,采用张氏标定方法实现了摄像机标定过程;在此基础上,本文在研究并实现了SIFT立体匹配算法的基础上,分析了一种在DOG多尺度空间提取Harris角点的SIFT改进算法。该算法首先在高斯差分尺度空间提取Harris算子作为图像的特征点并为每个特征点定义主方向,并且计算出特征点的64维圆形结构特征向量并检索同名特征点之间的欧式距离来对图像对进行匹配。然后通过三维坐标计算原理,图像像素坐标和世界坐标之间的转换关系,推导出空间物体视差和深度信息的计算方法。最后搭建了硬件平台来实现物体深度信息恢复的过程。
　　实验结果证明,本文算法在增强了提取特征点的形状意义基础上,保持了96％的较好匹配正确率,并把时间复杂度降低了27.8%,提高了三维信息定位的速度,增强了算法的实时性。