立体视觉在现实生活中的应用越来越广泛，对于人工智能，自动化生产、医学领域等有着重要的意义。本文主要研究内容为基于双目立体视觉的动态物料辨识系统，包括物料形状的识别和深度信息的提取。本文主要分为四个部分，立体视觉中摄像机的标定、目标物料的逐个追踪、物料图像对的立体匹配和深度信息的提取。　　在摄像机标定部分，主要搭建了实验平台，运用棋盘标定方法标定摄像机，获取内外部参数。　　目标的逐个追踪部分，实验中选取了两种不同形状（圆柱和长方体）的物料。追踪模块主要解决了两个问题，首先逐个追踪物料的位置，然后判断物料的形状。在逐个追踪物料的过程中，研究了如何使得追踪过程中目标只为一个物料，避免其他形状的物料对接下来的形状判断产生影响的问题。解决方法是首先对拍摄的物料图像进行区域筛选，选择传送带所在区域，再逐帧进行图像灰度化，二值化等预处理，然后求物料连通区域对物料位置进行追踪，在连通区域中取最大连通区域来保证每次只追踪一个物料，即保证每一帧图像上只出现一个目标。在物料形状判断中主要涉及的问题是，在何时判断物料形状才能最贴近本身形状。为解决此问题，实验中采取求摄像头正下方帧的方法。物料由远及近的在传送带传送的过程中，重新定义物料在图像中的长度和宽度，物料在图像的帧中长宽比在发生变化，文中研究了传送过程中长宽比的变化规律，找到了传送过程中处于摄像头正下方的帧，此时对物料形状判断的结果最为准确，然后用Hough变换判断物形状料是否为圆形，若是圆形，求得其圆心位置和在图像中的半径。　　在立体匹配部分，实验中的物料形状较为简单且特征明确，采用特征匹配法对图像对进行匹配。采用FAST角点提取算法对处理图像，可以看到提取效果不佳，容易出现匹配角点堆积现象。为解决此问题，本文对FAST角点提取算法进行改进，由16点检测增加至24点检测，增加被测像素点周围的8个角点，经试验结果较好，对FAST角点提取时的角点堆积问题有改进作用，并求得目标点的视差。　　在深度信息提取模块，利用已标定所得的摄像机内外部参数和求得的视差，根据三角形测距原理，最终求得物料的深度信息和长方体物料上端面的长度宽度，圆形糖果盒的直径尺寸。