单应矩阵将同一场景内一幅视图上的点投影到另一幅视图上,有效的建立了两幅视图之间的关系。另外单应矩阵可以和摄像机内外参数建立联系,通过单应矩阵间接得到摄像机参数。本文以单应矩阵估计为核心,将单应矩阵估计结果用于立体匹配并最终获得匹配点的三维坐标,本文具体工作如下。(1)基于V_RANSAC算法的单应矩阵鲁棒估计。由于用于计算单应矩阵的匹配点(线)并不十分准确,所以直接计算得到的结果误差较大,难以满足实际应用要求。现有的研究方法多关注于用参数优化的方法进行单应矩阵估计。其中RANSAC算法在这方面应用的比较多。但是该算法本身在匹配点质量不好的情况下迭代次数过多,也难以获得一个足够鲁棒的结果。故本文将投票的思想加入到其中,提出了基于投票的RANSAC(V_RANSAC)算法,用单应矩阵结果对匹配点进行投票,用投票结果对选点进行引导,使选点更快的收敛于匹配质量较高的点。通过模拟数据实验和真实数据实验可知,V_RANSAC算法能够有效的减少迭代次数,进而减少运行时间。同时具有较好的鲁棒性和精度。(2)基于单应矩阵和灰度差截断数量引导的立体匹配。立体匹配一直是三维重建中的重点和难点。一方面是搜索范围较大导致的时间代价过大,另一方面是由于多匹配和无匹配导致的匹配结果不唯一。本文用前面估计的单应矩阵结果淘汰匹配质量较低的点,然后用单应矩阵和灰度差截断数量对淘汰的点进行引导,有效的缩小了搜索范围,大幅缩短了运行时间。(3)本文提出了一种新的相似性测度函数灰度差截断数量。该函数计算代价较小,通过实验可知引导匹配可以有效的增加匹配点的数量。通过在其他条件相同的条件下不同代价函数的对比,本文的代价函数引导匹配能够有效的提高匹配精度,尤其是在初始匹配点质量很差的情况下。(4)匹配点三维坐标的获取和实验结果的可视化。由于本文不做摄像机标定,所以用已知摄像机参数的两幅视图进行实验。用三角测量法获取匹配点的三维坐标,并且将结果进行可视化。可视化的实验结果表明,引导匹配可以有效的纠正很多明显匹配错误的点。利用三角测量法可以很好的得到空间中点的坐标。