双目测距是由左、右相机同时拍摄被测场景内物体,根据相机的内外参数（如像素焦距、倾斜系数、旋转矩阵等）,再通过物体在左、右两幅视图成像中的视差,得出物体在三维世界中真实距离的技术。目前,双目测距技术已经应用于各类场景,如目标跟踪、汽车行业的自动驾驶、无人机导航等。双目测距相对于单目测距的优点是无需判断前方出现的障碍物类别,有更好的识别精度。为提高双目测距的精度,本文对双目测距技术进行了深入研究。（1）本文对双目测距的基本理论进行了详细的研究。其中包含双目测距原理和相机成像的线性模型、非线性（畸变）模型,以及双目测距的几何约束原理,明确双目测距的关键技术内容及技术路线。（2）本文完成了左、右相机标定工作,相机标定获得了相机的内部参数、外部参数和畸变参数。针对Matlab中使用经典张氏标定法时容易引入大量人工误差的问题,本文对棋盘格角点检测算法进行了改进。其采用改进的角点检测算法——FAST算法和K-means聚类算法判断像素角点的准确提取,并在此基础上提出改进的亚像素定位方法,进一步得到亚像素级的角点位置,以此方法得到的相机标定结果提高了测距结果的精度。（3）本文通过已标定的相机参数对双目图像进行立体校正操作,使目标满足立体匹配的前向共面行对准条件。文中介绍了匹配函数与代价计算、视差计算与优化的关键技术,确定了立体匹配算法。根据现实场景需求,分析讨论了立体匹配约束准则,确定用一致性约束,通过视差优化来提高视差图的精度,降低误匹配率。本文使用了在半全局立体匹配算法中加入Census变换的SGM算法,以此算法得到的深度图耗时减少,符合预期效果。通过多次实验验证了本文算法的可行性。在被测场景图像中通过选中目标物体的位置可得到具体的距离信息,采用激光测距仪结合实地测量的方式验证被测距离误差符合预期目标。