特征点检测与匹配技术是双目定位技术中的关键技术。其中,基于特征点检测的稀疏匹配方法相比于稠密匹配方法,具有匹配精度高、计算量小等优点。然而,基于特征点检测的稀疏匹配方法存在三个问题,分别为对光照强度变化鲁棒性较差、对视点变化鲁棒性较差和对弱纹理图像匹配效果较差。本文为了改善以上问题,构建了一种用于特征点检测与描述的深度学习网络模型（Improvesuper Point,本文简称ImpsuperPoint）,并通过最近邻算法实现特征点匹配。本文使用光照强度不同的自然图像、视点不同的自然图像和视网膜弱纹理图像对提出的网络模型进行训练,提高了网络模型对这三种图像的匹配效果。同时,本文设计了一种基于ImpsuperPoint的双目定位方法,提高了双目定位效果,并将其用于正颌手术规划的模拟中。本文工作主要分为以下三方面:（1）基于深度学习的特征点检测与匹配研究:本文构建了一种用于特征点检测与描述的新网络模型ImpsuperPoint,该网络模型主要在SuperPoint模型上进行了两方面的改进。首先,ImpsuperPoint在Ground Truth生成阶段选用了性能更好的RF-Net特征点检测器,使网络模型更简洁,更易于训练。其次,ImpsuperPoint在共享编码器中加入了残差学习模块,提高了网络对图像特征的学习效果。在对自然图像的实验结果表明,ImpsuperPoint相比于其他方法,在匹配光照和视点变化较明显图像时,倾向于产生更多且正确的匹配点,展现了更强的鲁棒性。在对视网膜图像的实验结果表明,ImpsuperPoint相比于其他方法,在匹配弱纹理图像时,也倾向于产生更多且正确的匹配点。（2）基于特征点检测与匹配算法的双目定位技术研究:本文设计了一种基于ImpsuperPoint的双目定位方法,该方法将ImpsuperPoint模型应用于目标识别与匹配中,实现了目标的准确识别与匹配。方法对比实验结果表明,ImpsuperPoint相比传统方法,可以准确检测和匹配到更多的特征点,提高了目标识别与定位的效果。（3）双目定位技术在正颌手术规划中的应用研究:本文将提出的双目定位方法用于正颌手术规划模拟中,为正颌手术规划提供了一种非接触式测量方法。本文在距离相机平面316-516 mm的范围内对该双目定位方法进行了准确度检验,检验结果表明该方法在参考系X方向和Y方向的定位误差不超过0.5 mm,在Z方向的定位误差不超过0.6mm,达到了临床中误差不超过1 mm的精度要求。本文将提出的双目定位方法与其他方法进行准确度对比,对比结果证明了本文方法的优势。同时,实验数据的可信度分析结果表明,本文提出的双目定位方法在参考系XYZ三个方向的定位都较为稳定和可靠。