当前社会公共安全问题已成为全世界关注的焦点，由于各式汽车炸弹袭击事件频发，为防止利用汽车底盘夹带毒品和危险品，对一些重要场合出入车辆的底盘实施在线监测已是迫切要解决的问题。随着计算机视觉和模式识别研究的深入，系统越来越向着快速、准确的方向发展。在图像检测过程之中，由于汽车行驶非匀速，采集的图像视角不同，所以对于相同的物体（汽车底盘）采集到图像之间会存在较大差异。因此，研究快速高效的图像匹配算法是准确识别汽车底盘异物的关键部分之一。本文针对汽车底盘图像的特征，深入分析了多种特征提取的算法，给出了一种适合汽车底盘图像的特征提取算法，即SURF算法。该算法根据Hessian矩阵判断极值点，并在不同的尺度空间进行纵向比较，将每个像素点与周围8个以及上下两个尺度层的9个，加起来26个像素点进行比较，得到特征点；之后根据主方向和一个64维的特征描述子来判断特征点对之间的相似程度。实验结果表明，该算法提取到的特征点分布较均匀，且数量适合分析。匹配过程中，根据欧氏距离最小的原则进行双向匹配。跟单方向匹配相比，双向匹配能够明显提高匹配的正确率。实验结果表明，将SURF算法与RANSAC算法相结合，提高了图像匹配的正确率。最后根据匹配结果对存在畸变的图像进行校正后，与标准图进行匹配，最终标定出异物所在位置和大小，实现了快速检测异物的效果。为进一步确定异物的高度信息，本文采用基于双目视觉获取深度图像信息。针对高斯曲率和平均曲率等曲面特性参数计算问题，提出了一种具有平移特性的泰勒基函数进行移动最小二乘法深度曲面拟合，实现了离散图像的连续化，提高了图像像素点曲面特征的计算效率。