计算机视觉是用计算机去实现人类的视觉功能,来实现对周围三维场景的感知、识别和理解。立体视觉作为计算机视觉的一个重要分支,其基本原理是通过两幅或多幅二维图像,找到图像中的对应点计算其视差,从而获得所观测物体的三维空间信息。在机器人视觉导航、虚拟现实、工业测量等众多领域具有广阔的应用前景。立体视觉系统包括图像获取、摄像机标定、图像预处理、立体匹配、三维重建等五个部分。本文对这五个部分做了简要的介绍,针对其中最为关键的立体匹配算法进行了深入的讨论。立体匹配算法分为局域算法和全局算法两种,局域算法所涉及信息量少,运算速度高,但匹配的准确率不高；全局算法能达到全局最优解,具有较高的匹配准确率,但计算效率低。针对以上问题,本文将图像稀疏化技术引入到立体匹配中,对全局算法做出改进,提出了一种使用二叉空间划分和遗传算法的方法构建自适应的网格,来实现图像的稀疏化表示。即在原始图像中仅保留少量的关键像素点,删去大量的冗余像素,这些少量的关键像素点就是白适应网格的节点,利用这些节点可以恢复这些被删去的像素。然后在稀疏化的图像上运用匹配效果最好的图割算法进行立体匹配,由于大量减少了图像中的像素点,图割算法所生成的三维网格图的规模得到大大地缩减,从而在运用最大流／最小割算法求解三维网格图中的最小割时,算法效率得到了很大的提升。最后通过实验实现了本文所提出的图像稀疏化方法,并在稀疏化的图像上运用图割算法进行立体匹配,实验结果证实了该方法的可行性和有效性,为进一步研究高质量立体视觉的实时性奠定了基础。