基于双目视觉的运动目标跟踪系统是在双目视觉技术的基础上,对视频图像序列中的运动目标进行检测与提取,并对感兴趣的目标进行连续跟踪的过程。其主要过程是通过双目相机得到具有深度信息的图像,结合深度图像和灰度图像对运动目标进行检测,计算出每一帧图像中运动目标的位置和大小;然后将每一帧图像中具有相同特性的目标关联起来,得到目标的位置、速度、加速度等信息;最后得到目标在视场中完整的行驶轨迹。本课题以四旋翼无人机地面目标跟踪系统为研究对象,对基于双目视觉的运动目标识别与跟踪算法进行了研究。首先,针对双目视觉系统,通过对现有标定算法进行分析,选择并使用了精确度和灵活度适中的张氏标定法对双目相机进行标定,并对其标定原理和计算过程进行了分析,得到了相机的内、外参数,并对输出的图像进行了校正;针对无人机实时跟踪的要求,采用了速度比较快的BM立体匹配算法对左右图像进行匹配,得到具有深度信息的图像。其次,针对旋翼无人机对地面目标进行跟踪时的背景运动问题,在比较分析了常用背景运动补偿算法的基础上,采用了SURF算法对相邻两帧图像的背景部分进行特征点检测;然后通过仿射变换矩阵对视频图像进行校正;最后针对目标检测过程中出现的光照变化、树叶扰动等干扰,在运动目标检测过程中采用了一种结合深度图像和灰度图像的三帧差分算法,增加了目标检测的精确度,为后续的跟踪算法提供准确的目标模版。最后,在检测出待跟踪目标的基础上采用Camshift算法进行跟踪,并结合Kalman滤波算法对目标的运动状态进行预测。对跟踪过程中遇到的严重遮挡和大面积同色背景干扰的问题进行了分析,通过对算法进行改进,使之能够自动决策两种算法在跟踪结果中所占的权重问题,有效地解决了上述干扰,增强了系统的鲁棒性。通过搭建双目视觉平台,对本文提出的各种算法采用Matlab或C++语言在计算机环境下仿真并调试完成,利用视频图像进行了仿真实验。