图像匹配技术是数字图像处理中一项关键技术,也是很多计算机视觉应用的基础。在三维重建,图像拼接,物体识别,武器制导,自动驾驶等应用中,图像匹配都是其中直接影响应用性能的核心步骤。基于软件实现的图像匹配处理一幅图像需要几秒的时间,随着人们对实时性系统需求的快速增长,越来越多的应用需要具有实时处理的能力。因此,基于硬件加速的图像匹配系统成为近年来的一个研究热点。本文结合实验室基于Zynq-7000的智能相机平台项目,设计并实现了图像匹配协处理单元,在硬件相机平台中实时计算图像的特征数据。为了提高可移植性,协处理单元数据交互统一使用通用视频接口,可以快速移植到其他可编程逻辑硬件平台中。本文工作内容主要为以下四个方面。其一,介绍了当前图像匹配算法及其硬件加速方案的研究背景和意义,其中重点介绍了本文实现相关的两种算法的理论知识和算法步骤。其二,针对硬件实现过程中由于对算法速度上的优化导致性能下降严重的问题,提出一种使用边缘细节图像提升弱纹理区域匹配点数量的方法。该方法不影响原始算法的计算结果,使用原图提取的细节图像进行计算,可以与原始算法并行处理。通过软件仿真分析,对常用的边缘提取模板进行了改进,使用细节图像可以有效的提高图像的匹配性能。其三,结合SIFT算法和ORB算法的优点,关键点检测部分使用FAST角点和空间极值点两种方法,同时使用细节图提升匹配点个数,设计出了一种全新的硬件改进算法结构。通过软件仿真测试,本算法在硬件可实现的基础上算法性能表现优秀。其四,对改进的硬件算法进行了硬件结构的设计与实现。算法的计算过程包含很多取窗操作,在硬件上需要消耗大量的存储资源,在模块划分时合并可以同时计算的功能模块,通过复用提高存储空间的利用效率。FAST角点实现过程,通过分组比较的方法,设计出一种全新的硬件流水结构。特征点描述部分的设计,采用资源换速度的思想,将特征点方向和描述子生成两个步骤解耦,实现并行计算,提高运算速度。综述所述,本文设计并实现了图像匹配协处理单元的硬件结构。从改进算法的角度入手,针对硬件器件的特点设计一种适合硬件实现的改进算法,再进行具体的硬件实现。对比当前主流的实现方案,本文设计的协处理单元合理的利用两种算法的优点,并且使用了本文提出的提升匹配点数量的方法,实现了更好的匹配结果。