视觉是人与生俱来的一种认知世界和观察世界的重要手段。人类从外部获取的全部信息中约有75%是来自视觉系统。与人类一样,计算机获取信息也越来越依靠本身的视觉系统。随着计算机视觉及图像处理技术的发展,二维的图像信息已不能满足工程的需求,而立体图像信息却弥补了这种不足。因此计算机双目视觉立体匹配的研究就变得很有意义。本文在介绍双目视觉立体匹配基本理论的基础上,通过对SIFT和KAZE两种立体匹配算法的对比分析后发现,KAZE凭借在光照强度变化下鲁棒性强和在视角变化下匹配率更高的特点,体现出其在双目视觉立体匹配中的优势。但是KAZE在双目视觉立体匹配中也存在不足,其运行时间过长,常常会造成获取信息的滞后。为了改进这种不足,本文在传统的KAZE基础上,优化了特征匹配的算法,使双目视觉立体匹配的效率有所提升。传统的KAZE立体匹配算法中,KD树搜索策略是特征匹配的关键。那么优化特征匹配时间,也就是优化KD树。传统的KD树在低维空间中搜索效率高,在高维空间中搜索速度慢,而KAZE算法中检测出的特征点集是基于高维空间的。针对这一问题,本文提出了一种随机KD树搜索算法。首先,根据参考图像和待匹配图像的特征点集随机生成具有不同方向上的KD树,也就是将特征点集进行旋转；其次,为了降低特征点集的时间复杂度,将旋转的特征点集进行Householder矩阵变换；最后,通过采用混合优先搜索队列的方法并行搜索随机生成的KD树。为了验证改进的KAZE算法是否能在双目视觉立体匹配中体现出作用,本文通过使用不同旋转角度、不同光照强度、不同视角的图像,分别用传统KAZE算法和改进KAZE算法对其进行了立体匹配。实验表明：在检测到相同特征点和图像匹配率的基础上,本文提出的算法缩短了运行时间,提高了执行效率。因此,改进的KAZE算法在不但能较好地解决双目视觉立体匹配问题,而且提高了执行效率。