当今社会双目立体视觉系统已经被广泛应用于军事、航空、机器人视觉等多个领域。而在双目立体视觉系统中最重要也是最复杂的步骤为立体匹配。立体匹配最终得到的视差图精度将会直接影响三维重建结果的正确性，而立体匹配阶段的实时性问题也会影响双目立体视觉系统的性能。　　本文基于双目立体视觉系统，根据稠密立体匹配的四个步骤进行了深入研究，并将立体匹配算法移植到图像处理单元以提升算法实时性。　　在深入研究了双目立体匹配代价计算过程后，本文针对三模式Census变换在中心像素出现严重畸变时无法准确描述图像结构信息的缺点对其进行了改进，增强了Census变换的抗噪声性能。本文针对现有匹配代价算法在图像边缘区域、纹理复杂区域以及光照改变时产生的误匹配现象，提出了一种基于图像结构信息和像素特征信息的代价计算方法，此算法由Sobel算子提取的梯度信息、改进三模式Census变换提取的图像局部结构信息以及DSM算法提取的像素特征信息三个测度信息构成，全面的描述了图像信息提升了匹配精度。　　在对现有的代价聚合算法进行总结后，发现Zhao提出的多窗口自适应权重代价聚合算法展现出了很好的匹配效果。虽然该算法提升了图像边缘区域和弱纹理区域的匹配精度，但是在靠近边缘像素的非边缘区域由于采用的聚合窗口不合适往往会导致误匹配现象。本文针对这一问题对该算法进行了改进，在选取窗口尺寸时不再采用单像素宽度Canny边缘进行选取而是依据强弱边缘类型先对Canny边缘进行不同程度增强后再进行窗口选取。仿真实验证明改进后的多窗口自适应权重代价聚合算法提升了图像边缘附近像素点的匹配精度。　　在视差精化阶段，针对传统视差精化算法无法同时兼顾弱纹理区域和遮挡区域的误匹配点修正的问题，本文提出了一种基于可信图和DSM特征图的左右一致性校验视差精化方法，对于弱纹理区域和遮挡区域采用不同的精化方法来提升匹配精度。　　将上述算法结合并添加快速视差搜索策略，本文提出了了一套新的立体匹配算法——基于多测度信息融合的立体匹配算法。实验证明本文所提出的算法有很好的抗噪声鲁棒性并提升了最终视差图的匹配精度。　　最后，本文将提出的立体匹配算法移植到多DSP图像处理单元，针对图像处理单元硬件结构和算法特征对算法进行串行、并行优化，提升算法的实时性。