随着硬件技术的突飞猛进,使得越来越多的深度学习项目可以落地实现,诸如各式各样的机器人、无人驾驶等。其中,双目测距系统凭借其价格低廉、部署简单等优点应用十分广泛,是机器视觉研究中的一项重要核心技术,本文的研究目标是搭建一套高效的双目测距系统,具体工作如下:1.在双目测距系统中的检测部分。以YOLOV3为基准,对其检测头做出优化,将分类、回归、物体概率三个任务解耦,通过平行分支来实现;同时本文尝试探索了免锚的形式,通过回归分支的结果来画出预测框,回归分支包含四个结果,分别是当前特征点距离预测框中心点的位移和预测框宽高;此外针对一个特征点属于多个目标的情况,提出通过代价矩阵的方式来解决特征点的分配问题,代价函数定义为Io U损失和BCE损失之和。选取真实框对应的十个Io U最大的预测框并求和Io U记为k,一个真实框对应的预测框就是代价最低的k个框。遇到特征点冲突的情况通过代价值确定属于哪一个真实框。自行构建盲人出行数据集进行训练,实验结果表明和同类型网络相比精度提高11%,参数量也有所下降。2.在双目测距部分。使用Matlab对双目相机进行精确的标定以消除相机自身畸变。并对双目测距的核心立体匹配算法提出改进,以PSMNet为基准网络,将特征提取中多余的卷积层和较大卷积核剔除,添加通道注意力和空间注意力来聚合更多的上下文信息;构建匹配成本特征体时在视差维度采用较大偏移使其维度降低,在后续3D卷积计算中可以减少计算量;但较大的偏移避免不了会带来信息的损失,所以在后续3D卷积最后一层输出中进行多视差预测,考虑到属于最大视差范围内每一个视差的概率,以此提升精度。实验结果表明相比基准网络误差降低24%,减少资源消耗。3.最后将提出的双目测距系统应用到盲人出行中,搭建应用测试系统。先检测到障碍物再获取距离,最后根据方位和距离的不同播报对应语音提示盲人。实验测试结果表明针对不同情况下的障碍物都可以做出检测和测距并播报正确语音辅助盲人,方便盲人的出行。