计算机视觉是目前兴起的一门具有发展潜力的研究学科,它是视觉测量技术的理论基础,具有模拟生物视觉系统的功能,同时,它的功能超越生物视觉,可以获取物体空间信息。双目视觉是计算机视觉领域的一个重要分支,它是典型的模拟生物视觉系统,主要利用一台摄像机经过移动或旋转拍摄同一场景,或者使用两台型号、性能等各参数相同且相对固定的摄像机同时拍摄同一场景,从而获得图像对,通过使用相关的视觉技术对图像对相关计算,最终获取场景的三维信息。针对双目视觉领域的研究,本文主要集中在如下几个方面：运动目标检测、运动目标跟踪、摄像机标定和三维测量技术等。其中着重于解决运动目标检测中的阴影和跟踪过程出现跟丢的问题,以及获取目标三维轨迹,本文研究的详细内容如下：首先,在运动目标的检测方面。详细介绍了几种常见的目标检测方法,通过对比其中的优缺点并结合本文的实验效果,最终选择了基于高斯背景模型的背景差分法进行目标的检测。但是,在实际应用中,由于运动目标可能存在阴影及客观环境光线强度变化等问题都会影响检测结果。HSV颜色空间具有更符合人类视觉特性,以及当目标被遮挡情况下,亮度变化明显,而色调和饱和度基本保持不变的特性,所以在HSV空间模型下解决阴影,然而背景差分法对光线也比较敏感,所以选择反应深度信息的、几乎与光线变化无关的视差用以解决光线变化问题。其次,对运动目标进行跟踪。详细阐述了均值漂移和粒子滤波两种跟踪算法的基础理论,其中,均值漂移算法计算量小,但当目标被遮挡时,很容易出现跟丢的现象；粒子滤波算法实时性较强,然而具有计算量大的问题。针对均值漂移算法和粒子滤波算法的优缺点互补的关系,提出了融合粒子滤波的均值漂移跟踪算法,通过实验证明,它改善了跟踪效果的稳健性和有效性,提高了跟踪效率。再次,对于接下来关于三维测量的研究,它需要用到摄像机的内外参数。为此,关于摄像机标定技术,分别介绍常用的坐标系、摄像机模型以及介于传统标定和自标定之间的张正友标定方法等,同时利用MATLAB标定工具箱分别对左、右摄像机进行标定操作,以此求得摄像机的内外参数。最后,经过摄像机标定后,对目标进行立体匹配,获取左右摄像头下目标的质心坐标,结合前面标定获取的摄像机内外参数,利用基于最小二乘法的测量模型计算目标的三维坐标,最后使用多项式拟合原理对计算的目标三维坐标进行多项式拟合,得到目标的运动轨迹和运动速度,通过MATLAB仿真再现目标的运动轨迹。