本课题的背景是为吸尘机器人自动导航系统找出一个快速准确的稠密匹配算法,所以本文围绕着稠密匹配实现的相关步骤,通过理论和实践相结合的方式,深入系统的研究了稠密匹配的相关组成部分和技术难点,旨在找出一个实时准确的稠密匹配算法。全文共分五章,各章内容如下：第一章介绍了了双目视觉的基本理论一—Marr视觉框架,同时调研了国内外机器人视觉的研究现状,阐明了本课题的研究思路、研究难点和主要工作。第二章介绍了线性摄像机的投影模型,然后阐述了张正友正面标定法的原理,实现了基于OpenCV的摄像机标定并同时对输入的图像进行了校正。校正结果表明,标定得到的参数能够满足匹配精度的要求。第三章首先介绍了稠密匹配原理和匹配约束,然后分析了匹配误差和遮挡等匹配难点,接下来重点研究了基于Census非参数变换的立体匹配方法,指出了传统Census匹配方法的局限性,提出通过对图像进行双线性插值来提高精确度,并采用移动求和与定点化技术对算法进行加速。实验结果表明,改进算法和传统Census非参数变换立体匹配算法相比,在非遮挡区域和深度不连续区域,精确度都有所提高。第四章提出了一种改进的基于区域分割的全局匹配算法,该算法首先通过Mean Shift进行图像分割,然后利用粗匹配得到的视差图对分割块进行视差平面拟合与合并,接着利用Graph Cuts全局优化获得视差结果。实验结果表明,本算法在精度上不仅优于Census非参数变换立体匹配,也优于原始和相类似的算法。第五章对本课题的研究工作进行了总结,并对未来的研究进行了展望。