计算机视觉作为一个多学科交叉的领域，在理论研究和实际应用方面都取得了飞速的发展，尤其是近年来，图像科学的发展和计算机信号处理能力的增强，为计算机视觉的研究和应用提供了良好的条件。因此，对计算机视觉的进一步研究具有重要的理论意义和实用价值。立体视觉技术是计算机视觉的一个重要分支，由于它具有极大的应用前景并且正向实用化方向发展，因此在整个计算机视觉中，占有越来越重要的地位。 论文以Marr的计算机视觉理论为基础，详述了国内外在双目立体视觉方面的发展及取得的成就。并在分析和总结各种方法的基础上，对立体视觉研究中的匹配和标定两个关键环节进行了系统的分析。 论文对现有的立体匹配方法进行了分析和比较，并决定采用Hopfield网络进行匹配。基本思想是：利用唯一性、相容性以及相似性等匹配约束条件，建立反映对应极线间所有像素点约束关系的能量函数，将其映射到二维Hopfield网络进行极小化求解，网络最后的稳态表示匹配点的对应关系。由于图像噪音与畸变的存在，只使用三约束的Hopfield网络匹配不够理想，论文在原有基础上增加了位置约束，并取得了较好的效果。 论文详细介绍了立体视觉中标定技术的原理及国内外的研究现状，并对现有的标定技术进行了分析比较，并分析了当前标定技术面临的困难；在研究了传统标定、自标定及主动标定的基础之上，进行了基于神经网络的立体标定方法的研究。针对传统BP算法的训练时间长和泛化能力不高的缺点，分别采用了作用函数后缩法和基于贝叶斯正则化方法的BP网络训练算法加以改进，并将其应用到立体标定中，获得了较理想的精度。另外，论文尝试了将神经网络与传统标定相结合的标定方法，通过串联和并联这种两种方式，能够维持线性方法的优点并且获得改良的精确度。 神经网络用于匹配和标定的一个明显问题是较为耗时，这一点制约了基于神经网络的立体视觉技术实用化。