立体视觉是计算机视觉中重要的研究领域,在许多领域得到广泛应用:工业生产中的自动检测和控制;军事领域中火控系统的目标搜索、跟踪和定位;交通领域中的自主导航和辅助驾驶;影视行业中的增广现实等。在立体视觉中,立体匹配作为其关键技术,其结果直接影响到三维重构效果,因而,立体匹配一直是一个热门课题,但在实际应用中立体匹配仍然面临诸多问题,尤其针对光滑表面物体或非朗伯表面的立体匹配,由于图像中稳定的纹理特征稀少且存在高光等干扰,因而,所有基于朗伯模型的匹配方法在对光滑表面的立体匹配中性能退化甚至无效。然而,在工业自动检测和控制加工过程中,很多构件都是光滑的,因而,解决面向光面物体的立体匹配问题是计算机视觉在工业自动化应用的技术前提。　　为有效利用现有研究成果和准确切入课题,本学位论文首先对光面物体的立体匹配研究现状进行了调研,介绍了其最新动态并预测了发展趋势。文中针对光滑表面立体匹配的基础性问题进行了分类介绍,对许多重要的特别是容易混淆的概念作出了清晰的界定,以便规范表述。　　本文接着分析了光滑表面成像特点,光滑图像纹理稀少且往往伴随高光,其中,高光是影响光面立体匹配的最主要因素,其往往是光源或周围物体的扭曲的像,匹配特征极不稳定,因而,必须在立体匹配之前给予去除。考虑到现有算法基本上都只能适用于非金属材料且需要多幅图像或需要预先分割等问题,本文提出了一种基于MSER的高光检测方法,该方法适用于任何类型的表面和任何光照条件。　　由于光滑表面一般缺乏纹理结构,且受镜面反射影响立体图像之间的灰度差别较大,常规的斑点检测和描述算法在立体匹配任务中效果不佳。然而,物体的棱角形成的边缘却是光面物体图像中相对稳定的特征,为此本学位论文重点研究了基于边缘点和边缘直线的检测和直线参数的估计问题。　　针对边缘检测问题,文中比较了Roberts算法、Sobel算法、LOG算法、SUSAN算法和Canny算法等多种常用边缘检测算法的优缺点。针对SUSAN算法对孤立噪声敏感等问题提出引入双边约束等改进,改进后的SUSAN算法对高斯噪声和椒盐噪声的抗噪性能都明显增强。实验研究表明:在上述常用边缘检测算法中,改进后的SUSAN算法在椒盐噪声环境中性能最优,Canny算法在高斯噪声环境中性能最优。　　由于直线是图像中相对稳定且能精确描述的特征,本学位论文对直线参数的鲁棒估计进行了研究。针对清晰直线的描述问题本文提出了快速迭代的最小二乘法,它比传统方法实现更鲁棒更快速地估计直线的角度和距离参数。针对常见的离焦脊型直线边缘,本文提出了线状高斯模型(LGM)以描述之,并在此模型的基础上提出灰度最小二乘法(GLS)的直线参数估计方法。该方法不需要预先进行边缘检测,直接利用灰度信息同时估计图像中直线的五个参数,特别适合离焦图像,在清晰图像中也能准确估计描述直线的角度和距离参数。　　最后,本学位论文提供了一个针对光滑表面立体匹配的应用实例,即基于立体匹配方法的光滑金属棱台的三维重构。将重构结果与精确加工的标准件实际尺寸比较,最大误差为3mm,达到较高的匹配精度。文中对重构结果进行了误差分析,指出了误差存在的原因和进一步提高重构精度的方法。