尺度不变特征转换SIFT算法在图像的旋转变化、尺度缩放等都方面具有较好的不变性,为图像的配准工作提供了稳健的不变特征。然而,由于该算法是通过尺度空间对图像进行分析的,所以配准时间较长,准确率也不够理想。由于SIFT算法在图像配准方面的应用较广,为提高SIFT算法的效率与特征提取的准确率,本文主要以双目立体视觉图像匹配为例,对SIFT算法进行改进。将改进的算法应用于图像匹配,验证算法的有效性。本文主要研究内容如下:1、首先简单介绍视觉成像的数学模型。主要对视觉成像原理、视觉系统坐标系转换等数学与物理模型进行分析;在双目摄像机标定原理探讨的基础上,利用张正友标定方法,对MATLAB和Open CV两个软件平台所获结果进行比较,进而得到平行光轴摄像机系统比较精确的内外参数。2、提出改进的SIFT算法。通过对SIFT算法进行研究,从两方面对SIFT算法进行改进,一是简化特征描述符,将关键点的描述符从原来的128维降低到56维,以提高关键点的匹配效率;二是在匹配过程中,通过增加约束条件,然后利用RANSAC算法对匹配点进行筛选与剔除,使得关键点正确匹配的效率增大。通过实验结果,可以看出,与原算法相比,改进算法的匹配效率与精确度都有明显的提高。3、以双目视觉立体匹配为例,对改进的SIFT算法进行应用研究。首先对双目视觉立体匹配进行简单介绍,然后通过GRB-400SCARA机器人视觉系统,对本文设定的摄像机参数、改进的SIFT算法的有效性进行验证分析。实验结果显示,本文提出的改进SIFT算法可以有效满足目标匹配、定位的实时性要求,同时达到提高立体匹配正确率与精确度的目的,取得令人满意的实验效果。