双目立体视觉作为计算机视觉领域的重要研究课题之一,通过模拟人类发达的视觉系统来感知周边环境信息,在机器人导航、路径规划、虚拟现实、自动驾驶等领域被广泛应用。立体匹配是双目立体视觉中非常关键的一个环节,匹配结果会对后续的三维重建工作产生直接影响,实现更加精确、快速且具有鲁棒性的视差估计是立体匹配技术研究的目标。近年来,随着深度学习的迅速发展,卷积神经网络因其强大的特征提取能力在计算机视觉的诸多领域均取得了巨大成功。鉴于此,本文将神经网络融入立体匹配中,并对双目测距、孪生神经网络、双目摄像机标定、三维重建等技术进行深入研究。立体匹配通常会受到遮挡、弱纹理以及重复纹理等因素干扰,使匹配结果不稳定、不理想。针对此难题,本文通过将局部与全局信息同时输入网络、增加网络深度以及使用双通道结构替代传统的孪生结构等方式对孪生神经网络进行改进,提出了基于局部与全局信息的双通道网络模型来进行局部图像块相似度计算。针对神经网络在遮挡区域效果不佳的问题,本文使用绝对差与Census变换作为特征描述符并结合基于十字自适应支撑窗口的代价聚合算法对该区域进行差异化处理。随后,将遮挡区域与非遮挡区域的匹配结果相结合,并使用传统视差图后处理算法得到最终的视差图。算法以Middlebury立体数据集作为评价基准,通过对匹配结果进行可视化分析并与其它算法进行对比,可以发现本文所提出的算法有效提升了立体匹配的准确性与鲁棒性。医用单目内窥镜仅局限于观察人体内部情况,无法得到内部组织的三维信息。本文使用一种探头外径为5.55mm的双目内窥镜摄像机,在直径为2cm的模拟管中进行拍摄来模拟真实喉镜。首先,使用张正友标定法对相机进行标定,并利用标定结果对捕获到的双目图像进行畸变矫正与极线校正。随后,使用BM3D算法去除图像中的噪声。然后,通过所提出的立体匹配算法与特征描述符方法分别对采集到的双目图像进行稠密匹配与稀疏匹配。最后,使用最小二乘法恢复左、右图像中匹配点所对应空间点的世界三维坐标,并利用PCL与Open GL平台对拍摄场景进行三维重建及可视化评估。此外,本文使用双目内窥镜在不同物距下拍摄刚性刻度尺,并恢复出图像中两个实际相距1mm的刻度端点的距离,通过比较测量出的距离与实际距离的差异,来评估实验所使用的双目内窥镜在实际情况下的三维测量性能。