立体匹配是通过寻找同一实际场景在不同视角下获得的图像对中投影点之间的一一对应关系,最终得到该实际场景的视差图,而且立体匹配是整个立体视觉的核心部分.尽管人们对立体匹配问题进行了很多年的研究,但是由于受光照、遮挡、弱纹理区域和深度不连续区域等因素的影响,立体匹配很难得到高精度的稠密视差图,因此,立体匹配仍然是一个挑战性的研究课题.本文首先介绍立体匹配的相关理论知识,重点研究立体匹配算法,并以障碍物检测为应用方向.本文对Andreas等相关算法进行了研究,将图像分割和置信传播相结合,克服了传统的基于像素点的置信传播算法计算量大和单个像素点容易导致匹配误差的不足,实现了基于图像分割和置信传播融合的立体匹配算法.算法通过图像分割、初始视差估计、视差平面拟合、提取视差平面模板集合和视差平面模板全局优化分配来实现.在初始视差计算时,本文采用将SAD和梯度相结合的匹配准则,同时,应用了双向相互匹配和左右一致检验对遮挡区域进行检验,以保证初始视差的可靠性.为了提高视差平面参数计算的准确性,在视差平面拟合时,只对可靠的分割区域进行视差平面拟合.在视差平面模板分配时,提出了支撑点的概念,加大了可靠像素点对于视差平面模板选择的影响,使得分配给分割区域的视差平面模板更加准确.最后,应用基于区域的置信传播算法进行视差平面模板全局优化分配.实验证明,本文算法对于弱纹理区域和遮挡区域等有很强的处理能力.本文根据生成的视差图进一步构造U_V视差图,提取U_V视差图中的直线信息,通过这些直线信息可以检测场景中的潜在障碍物.