人用双眼感知三维的世界,获取到最为直观的立体信息。而用相机记录的生活中的各种场景都是二维的,并不能通过相片获取到物体的三维信息。立体视觉通常包含双目立体视觉和多目立体视觉,使用双目或多目相机进行深度获取的具体方法包括主动式方法和被动式方法,只依靠相机本身的被动式方法是本论文的研究重点。它虽然存在深度信息相对稀疏的弱势,但其适用于室外场景的粗深度信息获取,已经开始应用于无人驾驶、机器人视觉、机器人避障、虚拟现实等如今比较热门的领域。本文使用包含三个可见光相机的阵列相机进行场景信息采集,主要研究视差图的获取与深度图的融合,研究内容包括多相机的摄像机标定、立体校正、立体匹配、深度图融合等方面。利用阵列相机多镜头的优势,得到的最终结果精度更高,且能够有效处理遮挡场景。本论文的主要研究内容包括以下几点:首先,对所采用的阵列相机系统及所用软硬件进行了详细介绍,详述了阵列相机对于阵列图像的采集和处理,对于阵列图像的拼接方法进行改进,提高了拼接速度,使用改进的最小缝合线算法,有效消除了图像融合过程的“鬼影”现象,证明阵列相机不仅仅可以用来进行深度信息的获取,还具有更加广阔的应用前景。其次,对于多目相机的标定算法、标定板的选取及标定准确度衡量做具体说明,对阵列相机的镜头进行标定,分别获得三个相机的内外参。使用阵列相机对实际场景进行拍摄,根据内外参对获取到的图像进行两两的立体校正,分别使用置信传播算法和图割算法获得实际场景的视差信息,并根据实际实验的结果对两种算法的优缺点进行比较,结果表明在本文的实现中图割算法具有更加明显的优势。然后介绍了将视差信息转换为深度信息的方法,三个相机以相邻相机两两配对,得到两张视差图,将之转换为深度图,分别为左中相机采集场景的深度图和中右相机采集场景的深度图,对这两张深度图进行轮廓提取,计算出深度图之间的精确水平平移距离,使用加权融合的方法对两幅深度图进行图像融合,实验证明融合成的深度图相比于融合前的深度图而言更加精确且有效解决了遮挡问题。最后,对本论文中的基于阵列相机的深度信息获取算法进行总结,提出了未来需要重点突破的改进方向。