计算机视觉是人工智能领域的研究热点,双目立体视觉作为计算机视觉的一个重要分支,使计算机通过模拟人眼视觉系统来感知现实世界,是获取现实场景深度信息的一个重要手段;在视觉导航、三维重建、增强现实、虚拟现实和自动驾驶等领域发挥着重要的作用。立体匹配技术利用像素匹配的方法对图像进行视差估计,根据匹配关系获得视差图,最后获得现实场景的深度信息,它是立体视觉研究中最热门的领域。立体匹配算法的性能将直接影响视差图的质量,影响最终深度感知和三维重建的效果;因此,精度高、速度快和鲁棒性强的立体匹配算法是研究的热点之一。论文的主要研究内容为双目立体匹配算法及在深度感知与三维重建中的应用;论文从不同研究角度,提出两种立体匹配算法,同时搭建了双目立体视觉应用平台。主要创新工作如下:(1)针对传统立体匹配算法对噪声敏感、易失真、在视差不连续区域与弱纹理区域误匹配率高的问题,提出一种改进Census变换与梯度融合的多尺度立体匹配算法;采用支持窗口内所有像素的加权平均灰度值作为Census变换的参考值,将Census代价与由水平和垂直方向归一化结合的梯度代价进行加权融合,在多分别率尺度下,采用改进引导滤波算法完成匹配代价聚合;实验结果表明,该算法对噪声和光照等干扰表现出较好的稳健性,降低了视差不连续区域与弱纹理区域的误匹配率。(2)针对现有局部立体匹配算法不能很好区分强弱纹理区域及不能很好的解决视差计算中的视差歧义问题,提出一种融合梯度特性与置信度的立体匹配算法;根据梯度特征信息选择计算匹配代价的支持窗口,针对强弱纹理选择不同尺寸的支持窗口,在视差计算中引入置信度,使用水平与垂直方向交叉区域检测进行视差奇异值的修正;实验结果表明,所提算法适合不同纹理区域的代价计算,有效的解决了视差计算中的视差歧义问题,提高了立体匹配算法的稳健性与精度。(3)设计了基于双目立体视觉的深度感知与三维重建应用系统,并搭建双目立体视觉应用平台;采用论文中介绍的方法进行立体标定及校正,使用论文提出的立体匹配算法生成真实场景中的视差图,根据视差图实现了真实场景的深度感知与三维重建;针对真实场景的应用,进行了完善的实验方案设计和充分的实验验证与分析;实验结果表明,双目立体视觉系统深度感知精度高,三维重建效果良好,充分验证了深度感知的准确性与三维重建的可行性,同时也说明了本文研究内容可行性与实用性。