光流估计技术通过过对三维空间物体在二维平面上的投影来计算物体的近似运动,是计算机视觉领域最重要、最基础的研究之一,被广泛应用在视觉监控、机器人导航、图像超分辨率、流体力学测量、双目视差估计等任务中。虽然光流算法应用广泛,但其计算复杂度高、实时性差,这一缺点极大地限制了光流算法的实用性,尤其是在嵌入式应用中。在视差估计问题中,传统的基于局部匹配的视差估计方法匹配精度相对较低且严重依赖于纹理特征,在弱纹理的区域会出匹配失败的情况。全局优化的变分光流得益于其全局平滑特性,能够在弱纹理区域给出合理的估计值,但直接将变分优化方法应用到视差估计任务时,通常会由于约束不足导致边缘模糊、细节消失等问题。针对变分光流算法应用于视差估计问题时出现的边缘模糊、细节消失问题,本文对变分光流算法的原理进行了深入的研究,分析了边缘模糊现象的原因,并利用引导滤波的边缘保持特性,实现了一种基于变分优化的改进视差估计方法。针对光流算法复杂度高、实时性受限等问题,本文对主流光流估计算法的硬件实现架构分别进行了设计研究,并选择FPGA作为算法加速的硬件平台。基于匹配的光流算法和基于CNN的光流算法不适合直接使用FPGA实现,而基于变分优化的光流算法能够通过数值计算方法求解,因此,本文基于变分优化算法思想进行FPGA加速结构设计。但即使选用变分光流算法,仍存在计算量大、算法硬件结构复杂的问题,通过传统的设计方法难以快速实现高性能的硬件结构设计和验证的迭代。针对这些问题,本文采用基于Simulink模型的变分光流硬件设计方法,将变分光流计算流程分为预处理、梯度计算、线性方程构建、SOR迭代求解几个阶段,并分别设计了各个阶段对应的Simulink模型。得益于Simulink平台提供的代码生成工具、模型可视化仿真工具、模型优化工具的使用,本文在短周期内完成了设计实现和验证,并进行了多次算法到硬件结构的迭代,解决了变分光流算法硬件实现中实现困难、调试困难、优化困难的问题。本文完成的硬件结构设计已完成了相应芯片的后端设计和流片验证,即将应用于智能手机的计算机视觉处理任务中。