双目立体视觉是计算机视觉的一个经典研究课题,是机器视觉技术的一种重要形式,在机器人视觉、车辆自主驾驶、客流统计等领域得到越来越广泛的应用。双目立体视觉是人类利用机器模拟人类双眼,通过不同视角下的二维图像对,来对三维场景和物体进行感知、识别和理解。本文以基于双目立体视觉来实现拥挤场景下的人物目标识别为主要应用背景,研究如何基于双目视觉获取场景图像的深度信息,主要针对双目立体视觉中的摄像机标定、立体匹配以及三维重建等关键技术来进行研究,并设计了一种基于DSP的实现双目立体视觉应用的硬件平台。首先针对现有标定方法存在的缺点和不足之处,提出了一种基于小波神经网络的双目摄像机标定方法,给出了小波神经网络标定模型,并采用粒子群优化算法对神经网络的学习算法进行优化,提高了小波网络的收敛能力和泛化能力。最后通过与BP神经网络标定法的对比实验证明了本文提出的标定方法标定精度高,速度快,实时性好。其次重点研究了全局立体匹配算法中的动态规划立体匹配算法和基于图割的立体匹配算法,针对它们存在的优点和不足,提出了一种基于图像分割的融合立体匹配算法,给出了匹配算法模型、理论分析以及具体的实施步骤,并通过实验证明了本文提出的改进算法是一种高效可靠的立体匹配算法,它在保证一定匹配精度的基础上显著改善算法的实时性,有效的解决了传统全局算法的计算量大、实时性不好、有条纹瑕疵的问题。然后根据立体匹配得到的视差图,计算二维图像中的点所对应的真实世界中的点的空间坐标,得到深度信息。并采用线性内插法和具有强大绘图和显示功能的图形程序接口OpenGL绘制三维场景模型,得到很好的三维显示效果。最后介绍了双目立体视觉系统的硬件平台设计,绘制了能实现双目视觉应用的基于DSP的硬件电路图,并完成了焊接调试以及驱动程序的编写,最后将用来实现双目视觉的各种算法程序移植到该硬件平台上并进行了测试,完成了景物深度信息的获取。