双目立体视觉技术结合不同视角下的场景信息,通过图像匹配算法实现视差图的计算,进而根据三维几何参数计算场景深度,还原三维空间立体模型。在实际图像采集过程中,由于光照、透射、前景遮挡、低纹理等因素的影响,图像匹配成为立体视觉技术的关键步骤,关系着三维立体模型的精度和效率。同时,伴随自动驾驶等领域的发展,对图像深度信息的获取精度和速度有了越来越高的要求。针对以上问题,本文设计了一种改进的半全局立体匹配算法,兼顾了匹配精度的同时提升匹配效率;另外,本文对火场环境下的立体匹配技术进行应用,在实际工业现场环境中检验匹配算法的准确度和鲁棒性。本文主要创新性如下:（1）对局部匹配算法中LBP算子进行改进。LBP算子对光照环境的鲁棒性好、计算复杂度低,但在弱纹理区域及物体边缘表现较差,这是因为存在较多冗余像素且容易受到噪声影响。本文通过间隔选点的方式对LBP算子进行改进,构建了初始匹配代价空间,筛除冗余信息的同时获得了更大的感知范围。（2）对SGM半全局立体匹配算法中代价聚合路径进行改进。匹配代价聚合是SGM算法的灵魂,传统匹配代价聚合有8路径或16路径且赋予相同权重,部分路径的聚合依赖于前一像素或后一像素的匹配代价,需要大量空间缓存数据。本文对SGM聚合路径进行改进,按照物理存取规则和先验视差约束条件,将聚合路径精简为5条,结合灰度约束和距离约束原则实现权重自适应分配。实验验证,本文改进的稠密匹配算法在Middeval2数据集中,匹配平均准确度95.94%,相比传统SGM算法准确率提升3.5个百分点,计算速度提升50%以上;在Middeval3数据集中,匹配平均准确度86.6%,相比传统SGM算法准确率提升5个百分点,计算速度提升2 3。（3）双目立体视觉技术在工业现场领域的应用。本文通过对视频抽帧、多帧图像差分技术,实现了对火焰的模糊和燃烧物边缘的增强,降低了火焰跳动对立体匹配算法的影响;阐述了几种特征点匹配算法原理,选择将SURF算法应用到特征匹配中,在实际场景中进行匹配算法验证。实验结果指出,将本文预处理技术与SURF算法结合,可以实现平均匹配准确率90%左右,计算速度2.5s,可以满足特征动态匹配的项目需求,实现了较为鲁棒性的匹配效果。