双目视觉作为机器视觉的研究分支和研究热点,尤其是在机器人与视觉技术相结合方面,得到越来越多人的关注。机器人双目视觉通过同一空间中的点在两张不同图片上的视差来恢复出深度信息,从而检测到障碍物为之后的行动做准备。双目视觉相较于其他的深度测量手段的优势在于被动性、非接触性、适用范围广等优点。这些优点使得双目机器人能够适应更加恶劣复杂的环境,如太空探索、机器人巡航及战场检测等领域。本文的研究工作是基于机器人背景下的双目立体视觉测障算法研究,研究的重点集中于特征检测和立体匹配两部分,其中立体匹配是本文研究的核心。当前流行的立体匹配方法从匹配方式上可以分为局部和全局两种。虽然双目立体视觉在近几年取得了一系列的研究成果,但是在某些关键问题和技术处理上上仍然有待改进和加强。本文主要从双目立体视觉的双目摄像头标定、特征检测、立体匹配、深度信息提取等方面进行了一系列的研究。主要的工作和创新点如下:(1)鉴于ORB特征点检测算法在检测特征点时在效率和准确度上表现出的理想效果,故本文选择其作为特征点检测部分检测算法。但是ORB不具有尺度不变的特性,即当两幅图片的比例不一样时,会加重特征点的误匹配。故本文在ORB的特征描述子部分与SIFT特征点检测算法相结合,进而弥补了ORB的这一缺点,使其具有了尺度不变性。(2)在立体匹配部分,本文针对其中核心部分:匹配代价问题和支持窗口问题,提出了一种多相似性测度融合的立体匹配算法。按照立体匹配的流程,首先结合了几种不同的特征描述信息形成了匹配代价函数;再通过滤波方式进行代价聚合;然后针对其中涉及到的WTA策略和LRC问题进行了视差修正,最终的到较为理想的立体匹配上视差图。