立体视觉是通过模拟人类的双目视觉,获取环境深度信息的任务,它的原理主要是通过计算成像和数学建模预测物体在三维空间中的深度,以达到还原场景三维信息的目的。立体视觉作为计算机视觉当下最为火热的研究方向之一,被广泛应用在自动驾驶、虚拟现实、增强现实、三维测量与三维重建等热门领域。在计算机立体视觉中,最为常用的方法是双目立体视觉。双目立体视觉的难点在于如何正确建立双目图像之间所有像素的一对一的映射关系。因此,双目立体匹配一直是双目立体视觉的重点研究方向。首先在图像畸变校正时,双目立体匹配误差就已经被引入,如何降低畸变校正对双目立体匹配算法的影响始终是双目立体视觉中的一个难点问题;此外在实际生产工作中,图像中经常会出现光照不均匀和含有大量噪声的状况,如何降低光照和噪声对双目立体匹配算法的影响也是一个困扰双目立体视觉领域已久的问题;由于弱纹理区域的特征十分少,所以极其容易造成匹配的二义性,如何提高低纹理场景的双目立体匹配算法准确性更是双目立体领域的重点问题。受这些问题的影响,想正确地从双目图像中快速建立像素之间的一对一映射,完整地、正确地恢复场景的深度信息,仍旧是一个十分具有挑战和研究性的课题。本文针对上述双目立体视觉中的难点问题,积极地进行了全面和深入的研究,提出了改进和优化算法。本文的主要工作和创新点如下:一、双目畸变校正中的局部映射适应性高斯插值算法。针对双目畸变校正中的抗混叠和边缘画质劣化问题,本文提出了一种畸变校正中局部映射适应性高斯插值算法,该方法根据图像的畸变映射,在畸变图像的不同位置采用不同的高斯卷积核对畸变图像进行插值,不但能够在畸变校正时对图像中的高频成分做抗混叠处理,还解决了高斯插值算法在插值图像边缘的画质劣化问题,提高了双目立体匹配的准确率。二、自适应权重抗噪声的Census变换。为了降低辐射和噪声在双目立体匹配中的影响,本文提出了一种十字均值双边滤波器,提高了双边滤波器的降噪能力,并且保留了双边滤波器保边的特性;此外在该滤波器基础上,本文提出了一种自适应权重抗噪声的Census变换,增强了Census变换的抗噪声能力,提高了双目立体匹配对于噪声和辐射的鲁棒性。三、分割区域协同优化的Segment-Tree双目立体匹配算法。为了解决双目立体匹配算法对于弱纹理图像的误匹配问题,本文提出一种分割区域协同优化的Segment-Tree双目立体匹配算法。本文算法通过图像分割区域协同优化,降低了匹配算法对于弱纹理区域的误匹配率,该算法在低纹理场景下的双目立体匹配结果获得重大提升。此外,本文算法还采用了一种创新的基于高斯分布的匹配代价计算方法,融合了多种像素特征,获得了良好的匹配效果。