随着数字化、信息化、智能化时代的推进,使得双目立体视觉技术的研究有了极大的价值,基于双目立体视觉技术具有系统结构简单、易于实现及成本较低等优点,使其被广泛应用于智能交通、无人驾驶与导航等多种场景。然而,在双目立体视觉的实际应用场景中,双目视觉系统存在着匹配精度较差,复杂场景深度信息难以恢复等问题,因此如何提升双目视觉系统的匹配精度成为当前的研究重点。针对上述问题,本文以Bumblebee2双目相机搭建的系统平台为基础,主要对Bumblebee2双目相机标定、图像去雾预处理、立体匹配等核心技术开展了深入研究。本论文的主要研究内容如下:(1)首先对摄像机成像模型及双目视觉理论进行系统性研究,通过Bumblebee2相机搭建了双目视觉的硬件平台,并对Fly Capture和Triclops SDK的软件实验环境进行配置。对比分析了摄像机常用的标定算法,并采用基于张氏标定法的Matlab标定工具箱进行双目相机的标定以及立体校正,通过实验仿真得到的标定参数达到了预期的结果。(2)因无人驾驶、智能交通等室外场景在严重的浓雾天气下进行视觉处理会存在一定的困难,故在图像预处理阶段对图像去雾的技术展开了深入研究。首先对图像去雾算法中的暗通道先验算法进行深入研究及复现。其次针对原图像经过暗通道先验算法去雾后,图像中含有天空区域存在的光晕及失真问题,提出改进的暗通道先验去雾算法。对包含天空区域的原图像采用Otsu算法进行分割处理,通过分割出的天空区域合理估计大气光值,对非天空区域采用梯度引导滤波对透射率做进一步优化处理。实验结果表明,改进的去雾算法能够很好的还原出清晰图像,大气光值估计偏差较大及天空区域存在颜色失真等问题得到有效改善,为后续视觉处理工作奠定了基础。(3)在对局部立体匹配算法进行深入的研究之后,针对局部立体匹配算法在弱纹理及深度不连续区域匹配精度较差问题,提出一种基于改进的Census变换立体匹配算法。首先利用改进的Sobel算子计算图像的边缘信息,将其作为参考值自适应的选定窗口进行Census变换。其次通过融合图像梯度信息进行匹配代价计算,通过最小生成树方法完成匹配代价聚合。实验结果表明,相比于其他局部匹配算法,本文算法得到的图像匹配精度更高,能够得到更优的匹配效果。最后,将本文算法应用到双目视觉系统中,获取真实场景中的双目图像,根据三维重建原理,完成真实场景的三维重建。