距离测量和定位技术,作为计算机视觉中的关键技术,在无人驾驶汽车、机器人导航、虚拟现实、目标跟踪、三维重建等多个领域有着重要的应用。双目立体视觉测距定位技术,则是距离测量和定位技术中的一个重要分支。近年来,随着深度学习技术的发展,卷积神经网络大大提升了传统机器视觉算法在多种应用环境下的表现。但是如何利用卷积神经网络来改善传统双目立体视觉算法,获得准确的测距定位结果,仍然是一个有待于解决的问题。本文总结了国内和国外测距定位技术的研究现状,结合卷积神经网络模型,将其应用于立体视觉测距定位算法中。本文所做的主要工作如下:首先,本文提出了一种基于卷积神经网络的立体匹配算法。该算法采用卷积神经网络实现立体匹配步骤,可以避免人工设计算法的参数,减少匹配误差,提升立体视觉算法的性能。其次,本文设计了一个基于前文所述匹配算法的测距定位系统。该系统在卷积神经网络匹配算法的基础上,引入了特殊编码的光学信标,并通过设计合理的信标粗定位算法,提高了系统的处理速度。同时,该系统将视差图转化为三维点云表示,通过聚类和线性回归,进一步减少匹配算法的误差,达到了厘米级别的定位精度。最后,本文设计了一种端到端的卷积神经网络测距定位算法。该算法采用卷积神经网络实现传统立体视觉流程中的立体匹配、代价聚合、视差精化等步骤,采用数据驱动的方式建立测距定位模型,其性能达到了领域内的先进水平。