立体视觉通过拍摄不同视角下同一个三维场景的两幅或者多幅二维图像,利用立体匹配技术寻找各图像之间每个像素点的匹配点并计算对应的视差值,根据三角测量原理和对应的视差信息恢复该三维场景的深度信息,是摄影测量学与计算机视觉领域的重要研究方向之一。双目立体匹配是立体视觉的重点也是难点,立体匹配的精度会直接影响到三维重建的结果。根据视差计算的优化方式,立体匹配算法可分为全局算法、半全局算法和局部算法。全局算法对二维图像构造能量函数,将寻找二维图像像素匹配点的问题转化为能量函数最小化的优化求解问题,精度较高但是计算复杂;半全局算法基于全局算法的思想,将二维图像能量函数最优化问题用多个方向的一维图像能量函数来近似代替,在多个方向上采用动态规划的思想来求解最优视差,相比全局算法,降低了时间复杂度,并获得不错的匹配精度;局部算法通过构造合适的支持窗口,利用窗口内的邻域像素信息进行聚合来计算视差,相比全局算法精度较低,计算速度快,实现简单,但随着自适应窗口、自适应权重的思想的出现,目前局部算法的精度可以与全局算法媲美,局部算法的应用也越来越广泛。局部立体匹配算法包括代价计算、代价聚合、视差计算和视差精化四个步骤。本文将针对室内场景常见的左右视图幅度失真、遮挡、深度不连续、弱纹理以及重复纹理等复杂场景匹配困难的问题,从局部算法的代价计算、代价聚合以及视差精化三个步骤展开详细研究。论文的主要研究内容包括以下几个方面:（1）针对现有局部立体匹配面向复杂室内场景（如幅度失真、物体遮挡、弱纹理等）匹配精度不高的问题,提出一种基于改进代价计算和自适应引导滤波代价聚合的局部立体匹配算法。从代价计算和代价聚合两个方面对现有的局部立体匹配算法cost Filter算法进行改进。首先在代价计算阶段,提出一种结合增强梯度信息与基于梯度的Census变换的加权联合匹配代价函数,增强了算法对左右视图光照变化、曝光程度不同等复杂室内场景的稳健性。在代价聚合阶段,针对传统引导滤波代价聚合难以解决大面积弱纹理区域匹配的问题,在传统引导滤波聚合方法上进行改进。（2）针对初始视差图在遮挡、弱纹理以及视差不连续区域存在大量错误匹配点的问题,提出一种多级视差精化方法。首先利用左右一致性检测与分类,对匹配错误的异常像素点进行视差插值,针对室内场景中常见的倾斜平面区域的匹配精度不高的问题,采用基于斜平面平滑优化的方法,提高倾斜平面区域的匹配精度,最后采用亚像素增强算法提高整体视差精度。本文采用Middlebury立体视觉测试平台提供的多种数据集对所提算法进行实验验证。实验结果表明,本文提出的算法面向复杂的室内场景如左右视图存在幅度失真、弱纹理和重复纹理等情况能获得更好的匹配精度。