双目立体视觉技术在于重建场景的三维信息,具有非接触、精度高、信息量大等优点,在机器人导航、航空测绘、海底勘探等诸多领域有着广泛的应用。其中,立体匹配是立体视觉中最重要也最困难的步骤,匹配精度和匹配速度将直接影响着立体视觉的应用。本文以双目立体视觉系统为研究对象,针对空气和水两种不同介质,分别对现有的立体匹配算法做出改进,主要做了以下工作:(1)本文首先从摄像机成像模型出发,介绍了线性、非线性以及水下摄像机的折射模型,并引出了各坐标系间的转换关系;同时建立了平行双目立体视觉系统,给出视差与深度的关系;对现有立体匹配算法的基本原理、处理流程、约束关系以及不同分类进行了总结概括。(2)针对单一匹配代价算法局限性强、固定参数融合方式适应性差等问题,提出一种基于自适应参数的多种匹配代价函数融合算法。采用SAD和Census算法,分别计算像素点代价;通过统计像素点在视差范围内代价的平均值和标准差,得到对应的权值;根据一定关系,对两种算法进行加权融合,得到新的代价函数。实验结果表明,该算法综合了单一算法的优点,误匹配率降低约12%;并且该代价函数可以自适应的选择最优融合方式,对弱纹理、重复纹理和光照变化等情况,表现出了良好的适应性,为后续的局部和全局匹配算法打下了坚实基础。(3)针对水下非平行双目成像系统图像匹配时无法进行平行校正,并且不再满足空气中的极线约束条件这一问题,推导出一种适用于水下的极线约束模型。根据摄像机和防水罩间相对位置关系的不同,将水下双目成像方式分为平行成像、共用折射面成像和独立折射面成像三种情况,本文推导了后两种情况的极线约束模型;对摄像机进行标定;利用尺度不变特征变换(SIFT)进行立体匹配,推导了参考图上特征点在待匹配图上所对应的曲线;根据待匹配图上特征点是否在曲线上,剔除误匹配点。实验结果表明,利用本文推导出的水下曲线约束模型,可以有效的剔除误匹配点,降低误匹配率。