随着时代的快速发展与生产技术的不断革新,人们对生活质量以及环境质量的要求越发严格,传统的交通出行因其安全性以及能源消耗大的特性逐渐将被时代摒弃,取而代之的是愈发智能化的驾驶系统,无人驾驶技术在这一环境下应运而生。无人驾驶技术的关键在于对场景进行实时的三维重建,获取场景的深度信息。然而实际场景复杂多变,难以很好的对场景信息进行恢复,因此还需进一步的研究。本文基于双目视觉的无人驾驶系统进行研究,并针对双目视觉三维重建的核心立体匹配技术进行了深入的研究。论文的主要研究内容如下:首先针对双目视觉的理论基础进行系统性的研究。并对相机的成像原理及标定技术进行研究,根据标定参数对摄像机进行校正,在对标定算法进行系统的调研之后选择基于Matlab标定工具箱的算法对相机进行标定,并将标定参数通过OpenCV接口函数进行校正,并完成对一整套系统函数的封装,完成从标定到校正整个流程的复现。最后将得到标定参数与官方提供的参数进行对比,达到了预期的标定效果。之后对ZED操作平台进行了搭建,搭建过程中需要考虑不同版本的vs平台的选择以及对库函数进行cmake预编译,使其能够完成对内部dll库的调用,为后期三维重建系统进行准备。之后对双目视觉中立体匹配技术进行研究,首先系统性介绍了立体匹配算法的基本原理,包括初始匹配代价计算、代价函数聚合、视差后处理三个阶段。并对立体匹配算法的评价方法进行介绍。之后研究了基于SGM半全局立体匹配算法,并对比ZED接口提供的算法,并将ZED提供的算法通过CUDA显卡加速处理,完成了算法的优化,实验结果表明系统能够达到实时处理的要求,最后根据三维重建原理对视差图进行实时的三维重建,完成了从标定到三维重建一整套工程的复现。在对立体匹配中半全局立体匹配算法进行介绍之后,对局部立体匹配算法中自适应支持权重(ASW)算法进行了研究。针对自适应支持权重立体匹配算法在低纹理与纹理复杂区域下存在鲁棒性差和时间复杂度高的问题,在初始匹配代价阶段,设计一种融合颜色匹配基元和梯度匹配基元的初始匹配代价函数,在代价函数聚合阶段根据初始匹配代价函数与参考图像相关性进行代价函数聚合。从而提出了一种基于多匹配基元的立体匹配算法。实验结果证明,本文算法对比经典自适应支持权重算法,算法的准确性与实时性得到了大大的提高,并在复杂的区域表现出了较高的鲁棒性。