随着科学技术的快速发展,机器人在人们生产、生活等领域得到广泛的应用,很多研究人员都对机器人技术充满了热情,机器人视觉作为机器人中的关键技术,也是人们研究的重点和难点。目前,机器人视觉中比较典型的是双目立体视觉技术,该技术模拟人的双眼从外界获取物体的信息,已在军事和民用等领域获得广泛应用。双目立体视觉技术采用双摄像头从不同角度拍摄物体,并建立其数学模型,然后根据计算得到物体的三维信息,一个完整的视觉系统通常有图像的获取、摄像机标定、特征点提取和匹配、计算坐标恢复三维信息等几个步骤,其中摄像机的标定和图像特征点的匹配是难点。由于摄像机标定的方法很多,不同的方法影响着标定的精度；图像匹配的算法也很多,不同的算法影响着匹配的速度和精度,本文主要研究的是SIFT特征提取算法,摄像机标定方法和图像处理算法的选择都对该系统的实时性和精确度产生影响。本文对此做出了深入研究。本文介绍了双目立体视觉的原理及数学模型,同时摄像机的内外参数需要标定。摄像机传统的标定法虽然标定的比较精确,但比较费时,如果遇到环境变化的情况,还需要不停地调节摄像机焦距；在自标定又不太精确的情况下,本文选用介于传统标定和白标定方法之间的方法——张正友标定法,该方法是根据多幅平面标定模板进行标定,通过角点检测出模板上特征点的图像坐标,然后通过实验和计算就可得到摄像机的参数。双目摄像头分别获取的图像要进行匹配,本文重点分析介绍了SIFT算法的特征及提取过程,这是一种基于尺度空间的算法,对图像的缩放、旋转甚至仿射变换都保持不变性。在特征点检测匹配时,也有很好的抗噪性。但是该算法也有些缺点,比如检测到的特征点过多、提取特征点计算量比较大、描述子维数大等,因此本文对一些改进的算法如PCA-SIFT算法、SURF算法和Harris-SIFT算法进行了深入探讨,并且这些算法与SIFT算法图像匹配进行了比较,确实在特征点提取的时间和特征点精确方面有了很大改进。本文最后进行了双目立体视觉实验,首先对摄像机进行标定,然后运用matlab软件在SIFT算法的基础上对图像进行匹配仿真,根据物体的图像坐标计算出物体的三维信息,使用改进的Harris-SIFT算法之后,其实时性和准确性得到很大的改观。