随着现代计算机视觉技术的发展,该领域的很多技术也在各行各业得以应用,使得人们的工作和生活也越来越自动化、智能化。比如在一些应用场景中,智能系统通常需要通过视觉方式感知环境,识别到二维图像中的目标物体后,还需要获取目标在实际空间中的三维位置,进而与目标进行交互,而这个过程可以用到基于深度学习的目标检测技术与基于双目视觉的定位技术。随着目标检测算法以及双目立体视觉的日益成熟,即使针对较为复杂的环境也有着广泛的应用,并且都在朝着高精度、低延时的方向发展。但这些技术在实际应用中仍然有着较大的局限性。对双目视觉特别是双目匹配来说,由于其运算量比较大,导致运算时间比较长,故在实时性方面亟待改进,而另一方面也有双目匹配不准确的问题。双目视觉系统的应用和普及被这两个主要的问题所限制,为了提高双目视觉匹配算法的实时性和准确性,本文设计了一种基于目标检测及双目视觉的实时定位算法,主要对双目匹配的实时性和视差精度方面进行了一些改进。论文的主要工作如下:（1）在实时性方面,本文结合目标检测算法获取的目标在二维图像中的位置,在双目匹配阶段,只对目标区域进行匹配而不是全图匹配,使得待匹配的像素点数量大幅减少。并且使用神经网络中的尺寸较小特征图进行初步匹配,先获取大致视差,再使用缩小后的视差范围在原图上进行精确匹配,减小了视差搜索范围,可使单个像素点的匹配次数降低约2/3。（2）在视差精度方面,本文使用改进后的唯一性检测规则,可以过滤部分误匹配点,对视差精度有较大的提升,和原始算法相比,误匹配率从50%～60%下降至20%左右。并且结合大窗口和小窗口的共同特点,本文使用多窗口进行匹配。对每个窗口设置一个匹配程度值,在代价聚合阶段,选择出匹配程度最高的一个窗口,其视差作为最终的视差,在使用唯一性检测的基础上能使误匹配率再降低3%～5%。