双目立体视觉是计算机视觉的一个重要分支,它由不同位置的两台摄像机或者一台摄像机经过移动和旋转拍摄同一场景,通过计算空间点在两幅图像中对应点的视差,然后经过一系列的投影逆变换,从而获得该空间点的三维坐标值。相比其他类的立体视觉方法,如全息照相术、透镜板三维成像等,双目立体视觉直接模拟人类双眼处理场景的方式,可靠简便。双目立体视觉涉及人工智能、计算机图形学和认知心理学等领域中许多具有挑战性的难题,国外已有一些文献对相关问题进行了深入的研究,而且已将双目立体视觉技术广泛应用于生产、生活中。但是,国内对双目立体视觉的研究还处在初始阶段,尚需广大的科技工作者共同努力,为其发展做出自己应有的贡献。因此,本课题围绕双目立体视觉技术实现的相关步骤,针对制约双目立体视觉技术发展的若干核心理论和关键问题,通过理论研究和实验验证相结合的方式,深入系统的研究了双目立体视觉技术实现的组成部分和基本原理,涉及双目立体视觉像机的标定方法和图像立体匹配算法的理论研究,旨在找到解决双目立体视觉若干关键问题和核心技术的一套方法。全文共分为七章,各章内容安排如下：第1章,回顾了计算机视觉理论研究的发展历程,调研了国内外双目立体视觉理论研究和技术应用的现状,以立体视觉为重点分析了双目立体视觉的应用前景,探讨了相关研究的关键技术和存在的问题,阐明了本课题的研究意义、研究难点和研究内容。第2章,首先简要的介绍了摄像机的线性和非线性透视投影模型,然后重点分析了双目立体视觉系统的景深原理以及数学模型,同时针对双目立体视觉的极线方程和极线校正过程等进行了深入的阐述。最后详细的研究了图像立体匹配实现中所涉及的常用约束条件。第3章,针对双目立体视觉摄像机的标定问题,首先介绍了基于3D立体标靶和基于2D平面模板的单摄像机标定的标准方法,同时研究了双目立体视觉摄像机的标定原理。然后分析了开放计算机视觉函数库Open Source Computer Vision Library (OpenCV)中的摄像机模型,对摄像机的标定过程进行了深入的研究。特别地,充分考虑了透镜的径向畸变和切向畸变的影响及其方程的求解方法。最后,通过对四组不同类型的棋盘格图像进行实验,实现了基于OpenCV的双目立体视觉摄像机的标定。从实验数据可以看出,标定时所采用图像的棋盘格数目越多,摄像机标定的精度越高；在棋盘格大小相同的前提下,使用不对称的棋盘格要比使用对称的棋盘格标定精度高。而且,整个标定过程不需要人工的参与,标定速度快,标定结果亦能够满足实际应用标定精度的要求。第4章,首先对图像立体匹配一般步骤中所涉及的匹配代价计算、代价计数统计等进行了介绍。然后重点研究了传统非参数变换立体匹配算法的实现过程,分析了传统非参数变换立体匹配算法存在的局限性,提出将变换窗口内所有像素的灰度值进行平均,并将平均值作为变换窗口中心像素的灰度值。同时,为了在立体匹配时能够考虑像素间的空间位置信息,将变换窗口内各邻域与中心像素的相对位置大于一个单位的像素,它的灰度值用其周围四个像素的灰度双线性插值后的值替代,并将匹配窗口的像素灰度值进行非参数变换后再进行立体匹配。最后,通过对四组标准的图像对进行立体匹配实验,Middlebury大学权威测试平台反馈回来的实验结果表明,与目前其他基于局部的单一立体匹配算法相比,该算法得到的误匹配像素百分比与其他算法相当,在无纹理区域、遮挡区域和深度不连续区域也能得到满意的视差图。此外,通过对非理想光照条件的真实场景的图像进行立体匹配,仍然获得了理想的结果。第5章,针对具有复杂背景图像的立体匹配,首先介绍了各种常用的基于区域的局部立体匹配的相似性测度函数,并分别用两组标准图像对和两组真实场景图像对这些相似性测度函数的立体匹配性能进行测试,得到视差图质量和算法执行时间最佳的相似性测度函数。然后针对复杂背景图像的高误匹配区域,分别引入左右一致性滤波器、置信滤波器和唯一性滤波器对初始视差图进行后处理。同时,通过对存储器和高速缓存进行优化,并且采用SSE2并行处理指令加速,快速实现了复杂背景图像的立体匹配。实验结果表明,经过上述处理的立体匹配在可靠性和实时性方面均有很大改善。第6章,首先重点研究了物体基元的三维重建,特别是空间点的三维重建。然后,在第3章摄像机参数已经标定和第4章提出的立体匹配算法基础之上,对复杂的真实场景进行空间点的三维重建,并且利用OpenGL对重建后的密集点云进行显示,同时计算出重建后离左摄像机最近的一个物点的三维信息,对本文算法的综合应用作了实践和验证。第7章,对本课题的研究工作做了总结,指出了研究工作中的创新点,并对后续的相关研究做了展望。