立体视觉技术在最近几十年取得了飞速的发展,由于它具有非接触、速度快、精度高等特点,己经被大量应用在无损检测、场景感知、机器人导航、医学辅助、虚拟现实、军事探测等需要深度恢复,三维目标重建与描述等工作的领域。立体视觉大致有三种表现形式:基于双目相机的立体视觉、基于单目相机的立体视觉以及基于相机加结构光的立体视觉。三种实现形式各有优缺点,其中单目立体视觉是指采用一组成像系统或两个处于同一光轴上单独成像的成像系统,在同一个方位上对空间物体进行立体图像采集,再对两幅或多幅单目图像进行立体分析处理,根据空间点在不同图像上像点的矢量位移、像素灰度值等的不同,计算空间点的深度估计信息,实现三维描述的一种新技术。与传统的双目深度测量方法相比,单目立体视觉可以有效避免双目立体视觉系统中两个相机之间存在的基线距离导致体积增大,立体图像对的测量覆盖范围小,受环境光照影响图像对的纹理等特征性影响立体匹配等问题。针对单目变焦立体视觉的主要问题,本文主要研究了变焦相机图像采集的畸变校正技术,变焦相机的解耦标定技术以及变焦相机的深度估计技术等内容,主要研究成果包括:(1)本文根据平面棋盘格图像中角点连成直线形成的灭点几何约束特性,利用包含单参数一阶形式的除式镜头畸变模型和最小拟合误差约束求解出变焦镜头焦距范围内若干组不同焦距下的镜头畸变参数,然后利用最小二乘法拟合已校正各点所在的直线,根据点与拟合直线的偏离误差最小化原则利用Levenberg-Marquardt算法重新优化畸变系数与畸变中心坐标,再绘出这些畸变参数随焦距变化所构成的空间分布并引入曲线拟合对这些点进行线性拟合,得到畸变参数分布随焦距变化所构成的经验公式或根据LS-SVR训练这些参数构建出变焦镜头各焦距下的畸变参数查找表,最终实现对实景图像的非线性畸变进行图像校正。(2)本文基于径向畸变分离模型以及角点亚像素坐标分布状况,根据图像上角点坐标与其对应的世界坐标系坐标之间的映射关系计算出单应性矩阵,然后通过单应性矩阵分解求出相机内外参数,由于之前已经利用灭点约束迭代优化出相机畸变中心以及一阶径向畸变系数,因此最终可实现相机的畸变系数以内参数之间的解耦求解。(3)本文采用SIFT特征匹配技术匹配出变焦相机两焦距下采集的图像对特征,得出匹配点的像素位置,再根据双焦成像原理计算出每对匹配点对应的实际景深信息,最后根据Delaunay三角剖分法对每组匹配点的坐标数据进行网格生成,根据深度值大小对每个三角剖分区域进行颜色填图,实现目标物体深度的大致估计。