随着计算机视觉的迅猛发展,计算机视觉被广泛的应用到实际生活和工业生产当中。其中双目立体视觉是计算机视觉的重要研究领域,通过模拟人的双眼进行场景三维重建和测量,具有系统结构简单、非接触、低成本等优势,能够避免与被测量物体相接触导致物体表面磨损和变形等问题,具有比人眼估计更准确的测量精度。双目视觉技术在无人驾驶、虚拟现实、精密测量、三维重建等领域具有广泛的应用前景。论文对双目立体视觉关键技术进行研究,提出一种双目图片自动分割方法,以减少立体匹配算法运算量,提高运行效率;同时,针对不同颜色和纹理的物体,论文提出一种自适应双目立体匹配方法,该方法能够准确得到视差图和三维点云。结果表明,论文设计的方法在处理分析三维点云方面能够达到较高的测量精度。针对传统钢轨波磨测量中存在效率低下、测量结果容易受人为因素影响、结果不便于存储等问题,论文最后研究了双目立体视觉技术在钢轨波磨测量中的应用,设计了基于双目立体视觉的钢轨波磨测量系统,并实现各个功能模块。论文主要研究内容如下:(1)双目相机标定:论文将圆阵列标定板的拍照角度和光照环境调整到最佳的状态,使用OpenCV视觉库进行自动标定。标定过程中,选择重投影误差RMS值小于0.2个像素的标定参数作为标定目标。(2)双目极线校正:论文使用C++语言实现基于Bouguet算法的极线校正,以降低后续立体匹配算法的计算量和立体匹配算法难度,并使用SURF特征检测算法来验证Bouguet极线校正精度。(3)有效区域提取:为减少立体匹配算法的运算量,提高波磨测量效率,论文使用点激光和GrabCut分割算法相结合的方法,对感兴趣的图像区域进行自动分割。通过形态学方法提取点激光质心亚像素坐标,以确定GrabCut算法需要的矩形框位置和分割完成后另存为新图时需要增加的视差值大小,从而保证视差不变性。实验表明,该方法有效地提高了立体匹配效率。(4)自适应双目匹配算法:论文使用卷积神经网络训练Middlebury标准数据集的方法,得到代价网络以计算匹配代价值;通过快速引导滤波进行代价聚合,以作为α扩张算法的数据项。论文采用倾斜窗模型以克服视差前向平行问题,将每个像素看作三维空间一个平面上的点,平面参数即为3D标签。论文将空间传播、视图传播、平面精简和α扩张算法相组合,以求解每个像素位置最佳的3D标签;并提出图像分块分组思想和OpenMP并行技术结合,以加快算法运算速度。实验分析表明,对于Middlebury标准数据集、钢轨图片以及采集的各种物体的图片,此方法能够准确得到视差图和三维点云,具有很好的自适应性。(5)实验验证:论文设计并实现基于双目视觉的钢轨波磨测量系统的各个模块。采用标准量块和游标卡尺对设计的算法精度进行了验证,使误差能有效控制在0.1 mm以内,满足铁道部对钢轨波磨检测的精度要求。论文最后测量了试验钢轨的波磨情况,并绘制该钢轨的波磨曲线图。本文有如下创新点:(1)提出了一种基于GrabCut的钢轨图像自动分割方法。该方法能分割出钢轨图像中感兴趣的部分并另存为新图,能在减少运算量的同时保证视差图效果良好。(2)提出了一种基于3D标签计算的双目自适应匹配方法。提出将α扩张算法与视图传播、空间传播、平面精简相结合的思想,以计算出精确视差图。将图像分块分组思想和OpenMP技术相结合,通过并行计算提高匹配速度。该方法对具有不同颜色、形状和纹理信息的物体都有很好的视差图效果,满足匹配算法的自适应性。