目前,立体匹配算法在完成场景重建方面有着重要的作用,立体匹配算法可以通过相机拍摄获取场景的深度信息,根据深度信息恢复场景的三维结构。基于立体匹配的三维重建技术在军事、航空、农业和工业等各个领域应用广泛,因此,得到高精度、实时性好的立体匹配方法一直是研究人员的研究的目标。研究人员普遍认为在立体视觉中,得到精确、快速的立体匹配算法是比较困难的问题。立体匹配算法中最为关键的一步即为代价匹配,代价匹配就是在约束好的两幅图中寻找同名点过程。但是在寻找同名点的过程中存在诸多问题和挑战,主要由于重建场景存在诸多不可控的因素,如光学失真、噪声、投影缩减、透视失真、低纹理、重复纹理等因素,使得立体匹配难以达到预期的精度。为了实现在现实条件受限的情况下达到高精度的立体匹配,本文主要研究基于立体匹配的三维重建代价函数的选取策略。基于非参数变换的Census代价函数在近几年得到了广泛的应用,但Census代价函数在求取视差图的过程中存在一定的不足。针对Census代价函数的不足,出现了诸多Census代价函数的改进。将改进的Census代价函数以综述的形式归纳总结。首先根据Census代价函数计算视差图的基本原理,分析Census代价函数在计算视差图过程中存在局限性;进而根据Census代价函数的局限性,重点以分类形式归纳了改进Census代价函数计算方法,将近年来改进的Census代价函数分为六类;最后对每一类改进的Census代价函数的优缺点、核心思想进行归纳总结,对六类改进的Census代价函数的性能及效果图进行对比分析,以便于发现Census代价函数在应用过程中的难题和解决途径。虽然基于非参数变换的Census代价函数算法在近几年得到了广泛的应用,但Census代价函数法在求取视差图的过程中过度依赖中心像素点灰度值。针对非参数变换的Census代价函数依赖中心像素点造成的不足,提出一种基于十字交叉域的改进Census代价函数。该算法通过十字交叉域找到参考像素周围与其颜色相近的像素,利用十字交叉域内的像素对参考像素代价值进行优化,从而降低Census代价函数过度依赖中心像素所造成的匹配误差,进一步提高视差图的精度。实验结果表明基于十字交叉域的改进Census代价函数求得场景的视差精度有所提高,也提高了场景中弱纹理区域和重复纹理区域的精度。除此之外,在确保匹配精度的条件下,该算法相比于四路径代价聚合的Census算法代价优化时间大大降低。