双目立体视觉是跟踪目标以及获取目标深度信息的一种重要手段,已经成为当前机器人研究的一个热点,其在电力、交通、航空、工业生产等诸多领域都有广泛的应用。在这些应用中,对移动目标的跟踪与测距是常用的需求,但跟踪与测距的性能受光线变化以及目标移动的影响较大。本文为此开展研究,主要研究内容和取得的成果如下:（1）分析了摄像机成像的几何模型以及双目立体视觉测距的数学原理。利用MATLAB标定箱添加双目摄像头采集到的图像数据集,同时利用张正友标定算法求出双目摄像头的内参和外参,进而对输入图像对进行立体校正。（2）针对双目立体视觉目标跟踪过程容易出现不稳定的现象,采用核相关滤波KCF算法对目标进行跟踪。同时结合TLD算法解决长时间跟踪时由于尺度变化或目标被遮挡导致跟踪失败的问题。两种算法结合使得跟踪的实时性介于在TLD和KCF之间。本文采用一种基于ROI的目标跟踪方法,利用目标选取的结果对左右视图提取大小一样的ROI区域,并在该区域选择匹配特征点,使得匹配的计算量大量较少,从而提高跟踪的实时性。（3）对各种基于特征的立体匹配算法进行评估,验证了ORB算法在光照和模糊变换、尺度和旋转变换、以及抗抖动等条件下具有较好的实时性。为解决双目摄像头在实时测距过程中因匹配误差造成测量距离误差较大的问题,本文提出了一种基于改进的ORB特征的立体匹配算法LAAT。该算法采用线性亮度调整方法解决ORB算法易受光照影响的问题。同时设计了一种自适应阈值代替ORB中的固定阈值进行图像特征提取,该方法具有鲁棒性强、速度快的特点。（4）进行测距系统的功能设计,在该系统对静态与动态目标分别进行实验,验证双目测距的准确性及实时性。静态测距实验对不同距离的目标进行双目测距并且分析误差。动态测距通过同时移动双目摄像头与目标,并实时计算移动目标的距离。实验证明所设计的双目视觉系统能够对目标进行有效的跟踪与测距。实验结果表明采用不同的对象作为目标进行静态测距实验时,LAAT的测距总体误差比半全局立体匹配算法SGBM小。在动态测距的实验中,LAAT的测距误差保持在5%以内,体现较高的测距精度。在不同光照强度下的实验中,LAAT的测距精度受光照强度大小变化的影响较小。