双目立体视觉作为计算机视觉中的热点和难点,是计算机视觉的一种重要形式,它基于两台参数相同或不同的摄像机模拟人类视觉机制,获取同一三维场景在不同视角下的两幅图像,利用视差原理和数学方法恢复三维场景中的深度信息,其在航空测绘、视觉导航、运动分析、及工业检测等计算机视觉领域有着广泛的应用前景,因此对基于双目立体视觉的三维重建中的若干问题展开研究,具有一定的理论依据和研究价值。论文主要从双目立体相机标定、图像特征提取与立体匹配、深度信息获取等方面对基于双目立体视觉的三维重建进行深入研究和完善改进。在双目立体相机标定模块,利用张正友棋盘格标定算法获取单个相机的内参数,并利用重投影误差精确优化。对于立体摄像机之间的标定,提出了一种基于极线校正的立体标定方法,首先对两幅图像进行极线校正,计算校正图像中对应点的误差,利用校正误差优化相机之间的参数矩阵,实验表明改进后的标定算法精度较高。在图像特征提取与立体匹配方面,对几种具有代表性的局部特征算子进行了性能对比,采用了SURF算子作为局部特征描述子,提出了一种改进SURF算法与KD-tree相结合的特征匹配算法。改进算法将SURF特征描述向量扩展到128维,一般而言,特征矢量的长度越长,特征矢量所承载的信息量就越大,匹配时的被检测概率也就越高,但相应的增加了匹配时所付出的时间代价。针对此问题,采用基于KD-tree的BBF搜索方法,为上述扩展的特征描述向量建立KD-Tree特征结构。由于KD-Tree对数据集的维数有严格的要求,一般不能超过20维,所以采用改进KD-Tree的最近邻查询机制,执行BBF最近邻搜索,将KD-Tree扩张到高维数据集上,实现特征点的快速匹配,并利用最近邻与次近邻比值判别法进行匹配对提纯。最后用实验结果证明了改进后的SURF算法相比于目前广泛使用的SIFT算法计算时间少,更适用于对实时性有一定要求,存在尺度或旋转变化明显的的图像配准中,为全景图像拼接、立体视觉、三维重建等研究领域提供了一种新的解决思路。对立体图像对完成特征点的匹配后,就可以利用标定好的摄像机内外参数建立匹配点对与三维物点的对应关系,即获取匹配点的三维信息。基于平行双目立体视觉的三维重建系统根据视差测距原理就可计算出匹配点对的三维坐标值,利用visioC++结合opencv生成具有立体感的深度图像。