在数字图像处理领域中,尺度不变特征变换(SIFT)算法是特征点识别的代表性算法。以开放运算语言(OpenCL)并行计算为加速手段,建立了基于改进的SIFT算法的双目测距系统,深入研究了如何加快SIFT算法的运算速度。在加快SIFT算法方面,选取了积分均值模糊,并利用OpenCL对其进行并行加速,对算法进行并行优化后,使之能够在NVIDIA GPU硬件平台上进行实现。在获取精确视差方面,对原SIFT匹配方法进行了改进,极大地提高了匹配效率。此外,构建了双目测距异构计算实验平台,并进行实验。实验平台对采集的图像进行了实时处理,验证了基于SIFT算法的并行加速计算的可行性,同时可以直观地看到中间计算过程和测距的结果。实验结果表明,本文方法与已有的加速优化工作相比,计算时间消耗比原方案要少得多。

为了得到一种易实现且精度较高的双目测距方法,立体校正左右相机的非前向平行结构,先将改进的Census变换算法应用于立体匹配,得到准确的视差值,再根据双目视觉特殊的外极线几何结构计算出实际的距离信息。将原始Census变换中比较周围像素与中心像素的方案改进为多中心点相互监督融合,极大地提升了立体匹配精度。在实验室环境下,利用两个完全相同的互补金属氧化物半导体(CMOS)相机搭建了双目测距实验平台,详细介绍了测距流程中的硬件、算法以及标定过程。将实验结果应用于实际距离测量,并与原始的Census变换进行对比,结果表明:改进的Census变换测量误差为6.4 cm,2 m测量误差精度提高了19.1%,满足高精度双目测距要求。

为了解决被动式双目测距系统中双目摄像头光轴对准误差较大、图像匹配精确度较低、计算速度慢等问题，提出了一种基于硬件加速稳健特征（SURF）算法的自校准双目测距系统。该方案采用位置敏感探测器与伺服电机作为双目摄像头光轴自校准平台，利用Zynq SoC处理器对SURF算法进行硬件加速，以实现两幅图像的特征匹配，从而达到精确、有效、自主的被动测距效果。实验表明本文方案采用位置敏感探测器可以有效地校准双目摄像头至同一平面位置，同时硬件SURF算法匹配图像的精确度高，速度快，满足被动测距系统的需求。

针对位置已固定的双目立体装置，提出了一种基于非平行模式测距原理的双目系统光轴-光心参数标定方法，减小了光轴-光心位置误测量带来的测距误差;为解决低照度下双目立体视觉中存在的立体匹配误匹配点多、目标识别度低的问题，采取了最大熵法结合整体光强变化的阈值选取方法提取显著目标，提高了目标识别率,搭建了显著目标测距系统。结果表明：采用文中的系统标定与阈值选取方法的双目立体视觉装置在低照度下具有较高的测距精度及目标识别率。

为了实现高精度的远距离双目CCD被动测距，提出改进的互相关匹配算法与三次曲面拟合算法，对双目CCD拍摄的两幅图像进行亚像素级匹配。介绍了双目测距系统的测距原理;进行测距图像的匹配操作，提出基于模板的灰度互相关算法，根据互相关运算的结果，提出亚像素级匹配算法，即采用三次曲面拟合方法，拟合出相关峰的亚像素级坐标；对测距实验结果进行误差分析，并修正系统误差的计算公式。实验表明，3km 以内的目标实际测量精度优于0.5%，满足高精度双目测距的精度要求。

为解决双目视觉中立体匹配困难、效率低的问题，提出了一种基于角点检测的人工匹配方法实现双目视觉测距。首先介绍了双目测距基本原理，对摄像机进行了标定，并采用Bouguet 立体校正算法对双目视觉系统进行立体校正；然后采用J.Shi 和 C.Tomasi提出的角点方法对立体校正后的左右摄像机图像中被测目标上的同一特征点进行了亚像素级角点提取，并利用提取的匹配角点坐标结合双目视觉测距公式实现距离测量。