在三维重建技术领域内,为了获得三维坐标信息,有许多方式,其中的双目立体视觉的三维重建,这种基于图像的三维信息获取方式,成本低,设备简单,是最常用的重建方式。而基于图像信息获得深度信息,这一过程,就是当下在双目立体视觉中最热门的研究课题——立体匹配,根本上是在两幅照片中找到同名点,从而计算视差值得到三维空间该点的深度信息的过程。本文以双目立体匹配为研究重心,对立体匹配中的四个步骤进行了介绍,并分别作出了改进措施,从而进一步提高匹配精度,获得更好的视差图。本文主要对双目立体匹配算法进行研究论证,主要研究内容为这几个方面:1.介绍了双目立体匹配的研究基础。包括对双目立体视觉系统的构成和成像原理、立体匹配中最重要的极线几何原理、如何从二维图像获得深度信息的视差原理、双目相机标定与极线校正,以及立体匹配的研究要点、具体步骤、评价标准,对立体匹配做了详细系统的研究工作。2.针对传统Census变换对中心像素过度依赖、对噪声鲁棒性不足的缺陷,本文将传统的Census算法窗口中的中心像素,与除了中心像素以外的邻域像素值的均值做比较,并通过设置阈值,分情况的对中心像素进行替换操作,以减少Census变换对中心像素的依赖度,从而提高算法鲁棒性。同时加入基于RGB彩色图像的AD变换,对重复纹理区域的匹配能力做补充。并加入梯度算法,利用Sobel算子保护图像边缘信息,对深度不连续区域的匹配精度也进行了提升。最后将三种变换加权融合,作为匹配代价,以提高改进后匹配算法的适用性和匹配精度,并提高算法在深度不连续区域的匹配精度。3.针对传统SGM半全局匹配算法对深度不连续区域效果不佳,以及聚合是基于固定窗口的缺点,匹配代价聚合时,为十字交叉域聚合,加入了距离权重,并进行不同方向的聚合。从而能更充分利用邻域像素距离中心像素的距离信息和颜色信息,以提高在弱纹理区域的匹配精度,达到提高算法整体的匹配精度的目的。4.视差计算采用WTA算法,形成初始视差图。基于传统SGM算法的代价聚合法,优化改进了扫描线法,提高重复纹理区域的匹配精度。采用左右一致性检测检测出无效点,分为误匹配点和遮挡区域,再分别进行视差填充。并采用一元二次拟合的方式获得了更接近标准视差图的亚像素级的视差图,大幅提升了匹配精度。