为辅助无人机精准挂落在输电线上,既要求测距系统快速准确测量与输电线之间的距离,也要求该系统体积小、重量轻、功耗低。双目视觉测距系统仅通过匹配两个摄像头的图像就能获取丰富的场景深度,结构简单,容易小型化。然而,立体匹配算法运算量大,匹配精度高的算法生成的深度图帧率较低,难以在实时性和精度之间实现较好的平衡。为了解决这个问题,本文在相机模型、立体匹配算法等方面做了改进,提高了测距精度,并用FPGA(现场可编程门阵列)进行算法的硬件加速,改善了距离信息的实时性。具体来说,本文在理想线性相机模型基础上,主要考虑了透镜的径向畸变对空间点在成像平面的影响,建立了精确度较高的非线性相机模型,并采用非线性优化算法对该模型进行参数标定。在图像算法方面,经过灰度阈值变换处理的图像,能将目标与背景像素分离。针对这个特点,本文提出了自适应权重双目立体匹配算法,该算法在代价聚合时根据左右图像对应区域的像素是否属于输电线像素,分配不同的权重,从而有效提高了匹配精度。在生成的场景深度图中,本文采用霍夫变换检测出深度图中输电线的直线边缘,在此基础上对输电线与无人机之间的距离信息进一步筛选优化,提高了最终的测距精度。为了验证提出算法的有效性,本文对双目视觉测距系统进行了对比实验。将改进前后的立体匹配算法分别配置到FPGA中,在多个位置对输电线测距。实验结果表明,执行改进算法的双目视觉测距系统的测距误差较小,从而验证了所提出的自适应权重双目立体匹配算法能提高匹配精度。而且该系统能输出频率为30Hz的距离信息,实时性良好。因此,本文设计的双目视觉测距系统能够在实时性和精度之间实现较好的平衡,达到了辅助无人机精准挂落输电线对该系统的要求。