双目立体视觉是获取场景深度信息的一个重要途径,广泛应用于三维测量、三维重建、机器人视觉与导航以及无人驾驶等领域。双目立体匹配作为立体视觉研究领域的一个核心课题,旨在获取左右双目图像中各个像点间的水平差异,即视差,直接影响三维场景深度信息获取的准确性。随着双目立体匹配算法的深入研究,具有实时性的局部匹配算法成为该课题的研究热点。影响局部匹配算法精度的主要因素大致可分为两类:一类为外在因素,例如噪声干扰,光照变化,透镜畸变等;一类为内在因素,即匹配算法过程中支持窗口的选择,支持权重聚合与代价函数的构造。针对透镜畸变最小化问题,本文首先提出一种基于极线距离误差度量的三步校正算法,通过分步最小化摄像机旋转角降低透镜畸变程度,为实现精确匹配奠定基础。随后针对局部匹配算法在低纹理及深度不连续区域的误匹配问题,提出“蝶形”自适应窗口构造方法,基于直方图自适应权重聚合函数计算方法与基于自适应阻尼渗透滤波器的权重聚合策略,提高局部算法的匹配精度。最后考虑到噪声与光照变化对图像灰度信息的影响,提出自适应极线距离变换,将灰度信息转化为一种距离度量进行匹配,该极线距离度量具有较高的鲁棒性,且提高了低纹理区域像点的可区分性。本文的主要工作与创新点如下:1)针对无摄像机参数的校正问题,提出一种有效的的三步校正算法。该算法采用分步计算摄像机旋转角的方法,降低了投影畸变的影响。考虑到极线几何误差度量中基本矩阵估计的不确定性,提出一种极线距离变换度量。实验结果验证了极线距离变换误差度量的有效性,且三步校正法获得了较高的校正精度,对初始极线方向几近垂直水平方向的图像仍然取得了较好的校正结果。2)鉴于支持窗口准确性对局部匹配算法精确度的重要影响,提出一种简单、有效的“蝶形”自适应窗口构造算法,在提高窗口形状灵活度的同时,降低算法复杂度,能满足复杂多样图像局部结构特征的需要。实验结果表明本文提出的“蝶形”自适应窗口构造算法能有效地表达图像局部结构特征,取得了较优的匹配精度。针对局部窗口算法引入的视差边界膨胀问题,提出米字投票和双边滤波器方法对视差进行后处理,较好地保持了图像边缘特征。3)利用直方图的空间分布统计特性,提出基于直方图的双边滤波器自适应权重构造策略,分别计算环形分割区域的空间支持权重和色彩支持权重,并基于直方图相似性度量构造了代价聚合匹配算法,提高了局部算法的匹配精度,且保持了局部算法的实时性优势,但在空间分布统计相似的非匹配区域易产生误匹配。空间直方图在保持直方图空间分布统计特性的同时,包含空间位置信息,且与图像具有一一对应关系,解决了空间分布统计相似的非匹配区域的误匹配问题。实验结果表明基于直方图的自适应权重计算方法具有较强的鲁棒性,建立于空间直方图基础上的匹配代价聚合方法提高了低纹理及深度不连续区域的匹配精度。4)针对局部匹配算法中,局部平滑性假设导致的倾斜平面内连续视差的误估计问题,提出基于自适应阻尼因子的渗透滤波器权重匹配算法,构造了适用于“蝶形”自适应窗口的渗透滤波权重函数,通过自适应选择阻尼因子,放宽局部平滑性约束条件,允许倾斜平面上灰度相似的像点存在视差变化。实验结果表明该算法明显改善了倾斜平面的误匹配问题,且对低纹理区域同样有效。5)提出视差候选子集构造方法,保持局部匹配算法的实时性优势。通过初始匹配代价极小值估计,获取满足代价极小的视差值构成视差候选子集。该子集随着窗口内像素点的变化而变化。实验结果表明该方法通过减少视差搜索范围从根本上降低了匹配算法的计算量,且通过阻止不必要的支持权重的聚合,提高了匹配算法的准确度。6)基于图像灰度信息对噪声和光照变化的高敏感性,提出一种自适应极线距离变换算法,将图像的灰度信息转化为沿极线方向局部分割区域内相对位置信息,从而基于图像结构进行匹配。其中局部分割尺度因子与距离变换参数是通过满足局部灰度平滑性与局部区域连续性的目标尺度函数与区域不连续图估计得到的。实验结果表明,基于图像结构的视差估计,有效降低了图像边缘点和噪声点等不连续区域的误匹配率,提高了低纹理区域的匹配精度。