双目立体视觉是计算机视觉的一个重要分支,具有广泛的实际应用前景,如3D立体显示、自动驾驶、机器人导航和智能化工厂等。而高效的实时立体匹配算法是双目立体视觉应用的必要基础。本文首先介绍了立体匹配算法的基本步骤和分类方法,然后按立体匹配的三个重要步骤:代价计算、代价聚合和视差优化对相关算法进行了具体地研究。通过对自适应权值算法(ASW)、基于归一化互相关算法(SNCC)、基于统计变换的快速算法(ADCensus)、迭代视差优化算法(IDR)和基于卷积神经网络算法(CNN)的实验和分析,提出一个基于改进统计变换(Census Transform)的快速立体匹配算法。该算法通过快速的两步自适应权值进行代价聚合,使用低计算复杂度的迭代视差优化(IDR)获得视差图,其在最新的Middlebury Stereo Evaluation 3标准下就速度和精度都有较好的表现。本文算法主要有两个创新点,第一,在传统统计变换的基础上增加了阈值判断,提高了匹配过程的抗噪声能力;第二,将Brief抽取策略应用到统计变换中,在没有增加计算量的情况下扩大了变换的窗口。实验证明,本文代价函数比其他代价函数具有更好的匹配效果和鲁棒性。最后,我们基于OpenCV进行立体相机标定和OpenGL完成三维重建任务,在嵌入式开发平台Jetson TK1上实现整个双目立体视觉系统,并且通过Jetson TK1搭载的GPU显卡完成对立体匹配算法的并行加速。通过对该系统的实验评估,证明了其在实时性和精度上具有一定的实用价值,从而为基于双目立体视觉的实际应用奠定了基础。