双目立体视觉在近几年得到广泛的应用。随着计算机视觉技术的发展,作为其中的一个重要部分——双目立体视觉,也融入到人类的生产与生活当中,在航天、交通、机器人等多个领域有着重要的应用。双目立体视觉仿生人类的双目,能实现对场境的三维重构,经典的立体视觉包括四个过程,分别是立体标定、立体校正、立体匹配、三维重构。本文的重点是研究影响测距精度的关键环节并提出能降低误差的相关手段,因此从以下三个大方向进行分析。针对影响双目系统性能与测距误差的结构参数,研究能降低测距误差的双目系统设计要求。首先研究立体视觉的成像模型,研究结构参数对立体视觉系统的可见性、水平视场角的影响;研究结构参数对测距误差的影响,获得相关能降低误差的双目测距系统设计理论。针对立体标定过程,研究基于径向切向畸变模型的张正友标定算法。在立体视觉中,立体标定的目的是获得双目系统的结构参数,如果立体标定算法计算得到的结构参数误差较大,必然影响到测距的精度。首先分析经典张正友标定算法的原理,考虑张正友标定算法畸变模型过于简单,提出基于径向切向畸变模型的张正友标定算法,并通过实验,验证改进后的标定算法效果。针对立体匹配过程,研究基于深度残差网络的立体匹配算法。在立体视觉中,立体匹配对测距精度影响最大。这是因为匹配算法一旦匹配错误,深度误差将正比于测试距离的平方,相比结构参数误差带来的测距误差要大得多。本文研究匹配精度要优于传统算法的匹配算法——基于卷积神经网络的立体匹配算法,结合深度残差网络,在增加卷积网络层数的同时,能避免训练过程出现梯度消失的情况,有效提高匹配精度。