立体视觉是计算机视觉领域中的一个重要研究方向,而立体匹配问题又是立体视觉中的一个瓶颈问题。研究一种鲁棒性好、精确度高、性能稳定和适用性强的立体匹配方法依然面临巨大挑战,并且具有重要的理论意义和实用价值。本文对立体匹配中的若干问题进行了研究,主要完成的工作有:1、角点检测技术:本文对基于灰度的角点检测算法做了较为深入的研究,结合Harris算法和Forstner算法给出了改进的Harris角点检测算法,并就三种方法在提取特征点的有效性、提取特征点数量和提取时间上进行对比分析,实验证明改进Harris算法具有更好的稳定性,提取出来的角点更加精确、分布更为均匀。2、特征匹配技术:针对SIFT算法的关键点描述子在匹配性能和匹配效率上的不足,首先利用圆的旋转不变性构造关键点描述子,这样就使得最后构造出来的描述子既独特又健壮,然后通过立体视觉理论中的极线约束将匹配特征的搜索空间从二维降到一维,最后以基于特征描述子欧氏距离的最近邻匹配得到匹配结果。这种邻域方向性信息联合的思想增强了算法抗噪声的能力和对图像变换的鲁棒性,同时对于含有定位误差的特征匹配也提供了较好的容错性。大量实验结果表明,本文提出的立体匹配算法不仅具有非常高的匹配精度,同时对于图像仿射变换、3D视角变换和图像灰度非线性变换的鲁棒性和抗干扰性较好,可以应用于对匹配算法鲁棒性要求比较高的立体视觉系统中。3、匹配算法动态链接库的设计:根据给出的两种匹配算法,设计出它们的动态链接库,为以后进行摄像机视觉测量、三维重建等方面的研究和应用提供了直接可以使用的函数库,简化了编写程序的过程,节约了时间。