双目立体视觉是计算机视觉的一个重要分支,其特点是能够获取场景三维深度信息,在机器人导航、无人车障碍检测等领域有重要的应用价值。立体匹配是双目立体视觉技术的关键问题,立体匹配的效果决定了双目立体视觉系统能否投入应用。目前,立体匹配算法还存在精确性和实时性难以同时满足的矛盾。本文研究内容为在保证立体匹配算法精确性的前提怎样下提高立体匹配算法计算效率和实时性问题。主要内容如下:传统Census变换方法依赖变换窗口中心像素点,当窗口中心像素点受到噪声干扰时将会得到错误的变换结果。针对此问题,作者提出一种基于中值滤波的Census变换方法,该算法相比于传统Census变换方法改进之处在于引入一个中值滤波窗口,以该滤波窗口的中值代替原变换窗口的中心值。改进后的算法在窗口中心像素点受到噪声干扰时,通过中值滤波过程可有效去除该噪声点,提高了算法的抗噪声干扰能力。通过对传统半全局立体匹配算法(Semmi Global Matching,SGM)原理的分析,针对原算法中惩罚因子难以设置的问题,提出一种自适应惩罚因子设定方法。该算法根据场景中区域信息的变化动态调整惩罚因子,能够有效降低算法的匹配错误率。针对嵌入式硬件平台,在传统SGM算法的基础上,对算法结构进行调整和优化,设计了适用于FPGA硬件环境的SGM匹配算法,该算法遵循Pipeline处理机制,像素点运行于流处理状态下,能够达到良好的实时性。将自适应惩罚因子设定方法和SGM算法结构优化方法进行综合,提出一种实时半全局立体匹配算法(Real-Time Semi Global Matching,RT-SGM),该算法相比于传统SGM算法,降低了对硬件资源的需求,且算法实时性有较大提升,适合应用于资源受限并且对实时性要求较高的实时嵌入式系统中。采用Vivado HLS平台开发本文提出的RT-SGM算法,设计了适用于HLS综合的立体匹配算法流程和结构,并进行了算法仿真。在FPGA硬件平台对RT-SGM算法进行实验验证,对算法的准确性和实时性进行比较研究。实验结果表明本文提出的RT-SGM算法在实时性与资源占用方面都优于传统SGM算法,并且还具有良好的准确性,适合于嵌入式实时应用。