机器视觉是研究如何使机器像人类一样利用视觉来获取场景中信息的学科。双目测量是机器视觉的一个重要分支,其模仿人类视觉系统的原理,在采集图像的基础上还可获得场景的深度信息,如今已广泛应用于工业现场、交通辅助、安防服务、医疗和军事等领域中。相较于依赖其它传感器的测量方法,双目测量具有测量视场更广、系统结构简单、设备之间工作互不干扰等优点,是一种理想的非接触式可见物体测量方法。而立体匹配任务是双目视觉系统运行的核心,决定着整个系统的测量精度。本文就对双目立体匹配技术展开研究,以解决当前立体匹配工作中存在的难点问题、提高双目视觉系统的测量精度为目的,提出了两种新的立体匹配技术。本文的具体工作如下:首先,针对于图像在深度不连续和光照不均的区域难以匹配的现象,提出了一种基于物体轮廓信息的可变窗口匹配算法。该算法主要内容包括:优化了边缘检测算法,使物体轮廓封闭性更佳,以划分出可信度高的同质区域;设计了一种新的相似性测度函数,对光照突变具有鲁棒性,并强化了窗口间的相似性判别能力;提出了新的匹配窗口尺寸自调整策略,缓解了图像在深度不连续区域误匹配严重的现象,同时优化了图像中弱纹理区域的匹配效果;设计了基于同质区域的视差优化方法,对初始得到的视差图做进一步优化。该算法可有效提高图像在深度不连续区域和光照不均环境下的匹配精确度。其次,本文尝试解决立体匹配中的遮挡问题。在介绍了遮挡现象的成因并对各类遮挡情形进行了分析后,提出了一种自适应权重图像遮挡区域视差优化算法。新算法的内容主要包括:基于左右一致性约束的遮挡检测方法,对图像中被遮挡的区域进行界定;提出一种自适应代价聚合权重生成策略,减少遮挡区域的不可靠点对窗口中心点的代价累积影响,提高周边区域像素的匹配精度;提出新的视差优化算法,为遮挡区域的像素设置最可靠的视差。该算法可有效提高图像遮挡区域的匹配精度,进一步提高视差图的整体精度。最后,本文搭建了双目视觉测距相应的软硬件平台,在进行相机标定和图像校正的基础上,利用实景拍摄图像对平台及相关算法进行了测试,验证了本文算法的可靠性及优势。