在智能时代,嵌入式设备的广泛应用改变了我们的生活。而随着计算机视觉技术的快速发展,其在多媒体技术、医学影像处理、工业可视化检测和移动导航定位等领域已取得了相关的研究成果。但由于计算机视觉算法多数属于计算密集型算法,计算复杂度高,使其实现在传统PC平台上很难满足高速率和实时性的需求。因此将这些算法移植到嵌入式设备并搭建高速处理结构就成为计算机视觉领域的突破口。本文提出了基于BRIEF描述子的特征点匹配系统,该系统实现在Xilinx ZYNQ SoC嵌入式平台上,在课题组之前的SURF(Speeded-Up Robest Features)特征点检测电路成果基础上进行优化改进,对BRIEF(Binary Robust Independent Elementary Features)描述子算法在FPGA(Field Programmable Gate Array)上实现了硬件加速。本设计提出了一种新颖的SURF特征点检测电路和BRIEF描述子电路并行计算的方案和跨度为3帧的处理模式,使其能够满足当前高速设备对连续视频流实时处理的需求。本文还设计了描述子匹配电路来完成视频流相邻帧的实时BRIEF描述子匹配,得到匹配特征点对在图片帧中的坐标。在集成搭建基于BRIEF描述子的特征点匹配系统后,本文还为该系统编写AXI4通信协议主从接口使系统与外部DDR在软件控制下可以实现数据交换。本文BRIEF描述子匹配系统工作在100 MHz时钟频率下,对于分辨率为640×480的VGA连续视频流,最高处理速度达到292 fps(frame per second),整个系统达到了较低的功耗为2.105 W。通过对比标准open-SURF和OpenCV软件运行结果,本设计基于BRIEF描述子的特征点匹配系统在多种场景下匹配准确度都达到了93%以上。本文在Xilinx公司ZYNQ-7000系列的ZC706开发板上实现了基于BRIEF描述子的特征点匹配系统,主要研究内容包括以下四个部分:描述子匹配系统硬件结构设计,SURF特征点检测电路的优化,BRIEF描述子电路的设计和描述子匹配电路的设计。本文设计的描述子匹配系统高速实现了SURF-BRIEF特征点的检测与匹配,可以用于视觉里程计、图像拼接等多种实时应用。