基于立体视觉的汽车辅助驾驶研究是计算机视觉领域最近兴起的热点，该技术的最终目的是模拟生物视觉使计算机具有通过二维图像感知三维环境信息的能力。即通过两台摄像机实现对三维信息的感知，获得汽车周围立体道路信息来辅助驾驶。其关键技术立体匹配是计算机视觉中最为活跃的研究课题之一，也是立体视觉中最为困难的一步。它的目标是计算生成稠密的深度图。立体匹配问题往往被建模为一个全局能量最小化问题，在能量函数定义以后，通过各种优化方法来求其最小值，这包括动态规划（Dynamic Programming）、置信传播(belief propagation)、图割(Graph Cut)。　　 动态规划是一种经典的全局优化立体匹配算法，通过在每条扫描线上寻找视差空间中的一条最小代价路径来优化求解匹配结果。此外近来，置信传播算法因为匹配精度高、生成的深度图更加细腻成为了最为流行的全局立体匹配算法。但目前立体视觉算法还存在许多缺陷，难以达到实时性、鲁棒性和精度方面的完美结合。而汽车驾驶辅助系统恰恰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。故而本文主要针对此问题作了如下研究：　　 组建立体视觉系统，在深入研究和分析Belief Propagation(BP)算法和Dynamic Programming(DP)算法的基础上，深入发掘其中的并行成分，使用IBM推出的CELL多核处理器，在SONY公司的PlayStation3平台上对这两种算法并行化实现，达到缩短运算时间，提高运算效率的目的。　　 针对室外光照多变的特点，通过对大量实验数据的分析，提出了使用Sobel边缘检测、Residual算子对图像进行预处理，结果表明，改进后的算法，对光照变化和噪声有非常好的抵抗力。