目前,立体视觉是计算机视觉中的研究热点之一。立体视觉是研究如何使用机器来模仿人类视觉,进而对三维空间进行理解与认识的学科。视觉计算理论是在20世纪80年代由Marr提出的。这一基本理论使得立体视觉成为计算机视觉中的一个研究热点。双目立体视觉是计算机视觉的一个十分重要的分支。但是,在实际的应用中,由于双目立体视觉系统的体积较大、成本较高,基于棱镜的单目立体视觉应运而生。与传统的双目立体视觉系统相比,基于棱镜的单目立体视觉具有体积小,成本低的优点。立体匹配一直都是立体视觉中最重要与最困难的问题,立体匹配的好坏直接决定了三维重建的好坏。经过几十年的发展,立体匹配已经被众多的研究人员进行了深入的研究。立体匹配是在同一空间场景不同角度拍摄的两幅或者两幅以上的图像中寻找对应点的深度信息。由于传统的立体匹配主要是针对双目立体视觉,在基于棱镜的单目立体视觉系统中,棱镜的引入了致使立体匹配与传统的立体匹配相比发生了少许的改变。针对立体匹配在基于棱镜的单目立体视觉系统中的表现不佳的问题,本文对立体匹配进行了改善。本文的主要工作有:第一,提出了单目立体视觉的极线几何,给出了单目立体视觉系统中左右两幅图像的特征点间的关系模型即基本矩阵。然后利用少量且准确匹配的特征点的图像坐标计算出基本矩阵。第二,利用SIFT算法提取左右两部分图像的特征点,并以欧氏距离为匹配代价对提取到的特征点进行匹配。为了排除误匹配,采用RANSAC对初次提取到的SIFT特征进行筛选,尽可能找出准确的匹配点对。第三,利用第二部分得到的准确度高的匹配点的图像坐标,求出第一部分的推导出的基本矩阵。再利用基本矩阵以及特征点的图像坐标寻找每个特征点在图像中所对应的极线。然后对两幅图像进行极线校正。实验结果表明,针对基于棱镜的单目立体视觉测量方法,与传统的双目立体视觉相比,本文改进的图像立体匹配算法不仅节省了相机标定的时间,而且缩小了匹配过程中搜索匹配点的范围,降低了算法的时间复杂度。