机器视觉是涉及到图形图像处理、模式识别、计算机科学以及人工智能等众多领域的学科。双目视觉由于模仿人类双眼视觉成像原理，能够实现物体的三维测量。双目视觉系统有着测量装置简单，使用成本低、效率较高等优势。利用双目视觉来提取物体的三维信息，只需从左右相机所采集到的图像中分别提取特征点的平面坐标，然后转换为空间三维坐标，所需处理的信息量少，故处理速度很快，有助于实时检测。由于有着众多的优势，双目视觉已经成为机器视觉里的热门研究课题之一。　　图像特征点匹配是双目视觉三维测量中的一个重要环节，由于图像特征受光照条件、目标物体的摆放姿态等因素的影响，其特征配对会出现错误匹配的情况。针对特征点错误匹配的问题，本文提出改进的RANSAC（随机抽样一致性算法）优化方式，结合特征点匹配的SIFT（尺度不变特征变换）算法，对特征点的匹配做优化工作。论文主要研究工作为：　　对实验所采用的双目摄像机进行相机标定，获取内外参数，并对实验用双目摄像机进行平行校正。本文对传统RANSAC算法的抽样选择和模型参数验证两方面进行了改进，并与先期经过SIFT算法粗匹配得到的原始匹配数据，分别采用最小二乘法加权算法、牛顿迭代算法优化后的结果对比，实验结果表明，改进后的RANSAC算法具有最好的优化效果，为后续的三维重建提供了良好的前期基础条件。