计算机视觉是现代计算机科学的重要研究领域。其中双目立体视觉技术通过融合两个相机观察到的特征,并重建这些特征的三维原型,成为计算机视觉研究的热点之一。　　 柔性目标表面光滑,纹理稀疏,在立体视觉研究中柔性目标表面重构一直是一个难题。传统的基于局部特征的立体匹配算法,沿外极线全局搜索,计算效率较低且准确性不高,对于具有柔性目标的场景深度重构效果很差。　　 本文针对具有柔性目标的场景情况对传统的立体匹配算法做出改进,提出了基于特征点剖分的变匹配窗立体匹配算法,将特征点匹配信息作为额外的匹配约束,此改进提高了匹配效率及准确性。并通过搭建实验系统予以验证。　　 首先,对相机的模型及参数标定方法进行分析及研究,根据实际系统的设计需要选择了精度较高、结构简单的Zhang氏二维平面标定方法对相机进行了参数的精确标定,并将双目图像正则化为极线平行的图像对。　　 其次,为了解决具有柔性目标场景的立体匹配问题,通过比较几种高效特征检测算法的运算效率及准确性,选用快速鲁棒特征检测器SURF(Speed-up RobustFeatures)算法生成特征点匹配对。将特征点用德劳内三角剖分成较为均匀的三角网格区域。用生成的三角网格边界作为匹配搜索区域约束,即只在对应的三角网格内对点进行基于块的相关性算法的匹配,缩小了匹配搜索空间的同时提高了匹配的可靠性。为适应某些特殊区域的匹配情况,还根据三角剖分区域信息自适应改变匹配窗口尺寸以进一步增强立体匹配的鲁棒性。　　 最后,用实验室搭建的系统验证本文提出的算法,将带柔体目标的场景用深度图像表示出来,实验证明算法效率较高,场景恢复较为准确,具有一定的实用性。