1、雙目立體視覺作為計算機(jī)視覺中的熱點和難點，是計算機(jī)視覺的一種重要形式，它基于兩臺參數(shù)相同或不同的攝像機(jī)模擬人類視覺機(jī)制，獲取同一三維場景在不同視角下的兩幅圖像，利用視差原理和數(shù)學(xué)方法恢復(fù)三維場景中的深度信息，其在航空測繪、視覺導(dǎo)航、運動分析、及工業(yè)檢測等計算機(jī)視覺領(lǐng)域有著廣泛的應(yīng)用前景，因此對基于雙目立體視覺的三維重建中的若干問題展開研究，具有一定的理論依據(jù)和研究價值。論文主要從雙目立體相機(jī)標(biāo)定、圖像特征提取與立體匹配、深度信息獲取等方

2、面對基于雙目立體視覺的三維重建進(jìn)行深入研究和完善改進(jìn)。
　　 在雙目立體相機(jī)標(biāo)定模塊，利用張正友棋盤格標(biāo)定算法獲取單個相機(jī)的內(nèi)參數(shù)，并利用重投影誤差精確優(yōu)化。對于立體攝像機(jī)之間的標(biāo)定，提出了一種基于極線校正的立體標(biāo)定方法，首先對兩幅圖像進(jìn)行極線校正，計算校正圖像中對應(yīng)點的誤差，利用校正誤差優(yōu)化相機(jī)之間的參數(shù)矩陣，實驗表明改進(jìn)后的標(biāo)定算法精度較高。
　　 在圖像特征提取與立體匹配方面，對幾種具有代表性的局部特征算子進(jìn)行了性

3、能對比，采用了SURF算子作為局部特征描述子，提出了一種改進(jìn)SURF算法與KD-tree相結(jié)合的特征匹配算法。改進(jìn)算法將SURF特征描述向量擴(kuò)展到128維，一般而言，特征矢量的長度越長，特征矢量所承載的信息量就越大，匹配時的被檢測概率也就越高，但相應(yīng)的增加了匹配時所付出的時間代價。針對此問題，采用基于KD-tree的BBF搜索方法，為上述擴(kuò)展的特征描述向量建立KD-Tree特征結(jié)構(gòu)。由于KD-Tree對數(shù)據(jù)集的維數(shù)有嚴(yán)格的要求，一般不能

4、超過20維，所以采用改進(jìn)KD-Tree的最近鄰查詢機(jī)制，執(zhí)行BBF最近鄰搜索，將KD-Tree擴(kuò)張到高維數(shù)據(jù)集上，實現(xiàn)特征點的快速匹配，并利用最近鄰與次近鄰比值判別法進(jìn)行匹配對提純。最后用實驗結(jié)果證明了改進(jìn)后的SURF算法相比于目前廣泛使用的SIFT算法計算時間少，更適用于對實時性有一定要求，存在尺度或旋轉(zhuǎn)變化明顯的的圖像配準(zhǔn)中，為全景圖像拼接、立體視覺、三維重建等研究領(lǐng)域提供了一種新的解決思路。
　　 對立體圖像對完成特征點的