随着计算机视觉和人工智能技术的持续发展,3D视觉逐渐成为计算机视觉领域的一个研究热点,如何提供准确、可靠的深度信息是3D视觉技术的一个核心问题。3D视觉技术广泛应用于移动机器人导航、物体识别以及行人跟踪等领域,这些应用领域除了对深度信息有较高的精度要求外,还需要算法具有实时性。本论文以主动式双目匹配算法为研究对象,以提升深度相机输出深度信息的鲁棒性和精度为目标,重点针对聚类算法、双目匹配算法以及算法的FPGA(Field Programmable Gate Array,现场可编程门阵列)设计进行了深入的分析与研究,本文的主要工作如下:1.聚类算法研究。使用机器学习中的聚类算法对双目图像中每个像素点进行分类,提取特征,并映射成二值化的特征向量,再利用特征向量计算代价值。根据双目匹配的具体应用选择合适的算法框架,设计聚类算法流程,优化算法参数,并设计相应的聚类效果评估方法。2.主动式双目匹配算法研究。针对主动式双目匹配算法的特点,选择局部匹配算法作为算法基础,利用视差传播算法提高算法在结构光纹理较弱处(图像边缘、远处物体)的匹配完整度,改进传统亚像素插值使用的双线性插值方法,减少三维点云的分布不均匀情况。3.匹配算法的FPGA设计与实现。主动式双目匹配算法的运算量比较大,一般的运算平台无法达到实时输出深度信息的要求,FPGA有强大的并行运算能力,可以对算法进行加速。针对FPGA运算的特点,对算法进行重新设计,使匹配算法在嵌入式平台上实现实时输出。4.匹配算法精度评估方案设计与实验研究。设计、搭建主动式双目相机图像采集装置,采集数据集。设计能够有效评估主动式双目匹配算法精度的评估方法,评估、对比几种匹配算法的效果与精度。