计算机视觉是人工智能领域的重要分支,通过对生物视觉的模拟,使计算机具有类似人眼视觉感知三维环境信息的能力,而双目立体视觉作为计算机视觉研究的重要领域之一,被广泛应用于无人驾驶、智能导航、工业检测、虚拟现实等领域。双目视觉涉及相机标定、图像校正、立体匹配和三维重建等方面,其中立体匹配的本质是从两幅图像的不同视点中找到对应的匹配点,通过计算视差来获取深度信息。但由于光照、遮挡、纹理等因素的存在,对立体匹配提出挑战,也使立体匹配成为双目视觉中的核心部分,算法的匹配精度和运行时间直接决定了双目视觉系统在实际场景中的表现。本文对双目立体视觉基本原理进行详细的介绍,并对立体匹配算法技术展开深入的研究与改进。针对当前局部立体匹配视差精度等方面的问题,本文首先提出图像多尺度概念,在代价聚合阶段采用高斯金字塔跨尺度框架的方式模拟人眼视觉系统在多个尺度上进行立体匹配,通过互尺度正则约束融合各个尺度的匹配代价,粗尺度的匹配代价会修正最精细尺度的匹配代价,提高立体匹配算法的精度;其次根据引导滤波原理,提出了一种二次引导滤波模型,并应用于局部立体匹配算法。在新设计的二次引导滤波模型中,将第一次引导滤波的输出图像作为第二次引导滤波的引导图像,克服了传统引导滤波的缺陷,抑制了噪声。在代价聚合阶段引入二次引导滤波,使用跨尺度框架聚合各尺度的匹配代价,进一步提高算法匹配精度。实验结果表明,基于二次引导滤波的跨尺度局部立体匹配算法在Middlebury测试平台上对标准立体图像对的检测具有更高的精度,且代价聚合步骤的时间复杂度与滤波窗口大小无关,在匹配精度和速度上都取得了良好的效果。二次引导滤波的思想有望在立体匹配等领域取得更广泛的应用。本文根据双目视觉模型,选择合适的相机搭建双目立体视觉实验平台。利用Matlab软件对自制的标定板进行相机标定,得到实验所需双目相机的内外参数。在VS2013结合Opencv的编程环境下,导入标定所得相机参数对真实场景图像对进行校正,利用本文改进算法对校正后的图像进行立体匹配,通过深度视差理论计算出物体表面的三维信息及物体到相机的距离,实验结果表明改进算法在真实场景中也能得到质量较好的视差图,可以很好的实现真实场景的三维信息测量。