由于人工智能技术近年来的飞速发展,计算机视觉得到了研究学者的重点关注。其中双目立体视觉系统通过模拟人类双眼观察世界的方式,利用双目相机从不同角度获取环境图像,给予机器感知客观环境的能力。立体匹配是双目视觉系统中极为关键的环节。本文在分析双目立体视觉及标定原理基础上,比较分析了几种经典立体匹配算法的优缺点以及产生原因,对立体匹配后处理与视差优化问题进行了研究分析,并根据对经典算法的分析提出一种针对性的改进立体匹配算法。针对立体匹配中后处理与视差优化环节,着重分析了遮挡区域的产生原理并根据产生原理不同对遮挡区域进行分类。对遮挡区域的检测原理以及处理办法进行了分析,并对立体匹配视差后处理前后效果进行了实验,验证了视差后处理与优化的有效性和必要性。针对传统Census算法对噪声敏感且在弱纹理区域匹配精度低的不足,提出了一种基于自适应权重的改进Census立体匹配算法。在代价计算阶段采用空间相似度加权计算得到参考像素值,并设定阈值来限定参考值与中心点像素的差异,使得所提算法在代价计算阶段可以判断中心像素点是否发生突变,自适应选择中心参考像素值。在代价聚合阶段,引入多尺度聚合策略,采用引导滤波作为代价聚合核函数,同时加入正则化约束保持代价聚合时尺度间的一致性。对Middlebury标准图进行测试,实验结果表明,所提算法相较于传统Census算法,在抗干扰性提升显著,并能在平均误匹配率表现上达到主流经典优秀算法的性能水准。最后,基于六足机器人平台搭建一个双目视觉系统,获取实景双目图片并对其进行匹配前预处理,使用所提算法进行立体匹配测试,实验结果验证了所提算法在还原实景图像深度信息的有效性。