机器视觉是计算机获取外界信息的一个重要手段，随着机器视觉技术的广泛应用，三维机器视觉已成为近年来研究的一个热点。本文研究将三维机器视觉应用于测距中，最终求得目标物体之间的距离。本文首先介绍了三维机器视觉测距的研究现状、三维机器视觉测距理论模型及三维机器视觉测距系统试验平台的搭建。然后分别对测距模型的建立、边缘检测、轮廓提取、特征点提取、特征匹配进行了深入的研究。主要工作分为以下三个方面:　　1、测距模型方面:传统测距模型是通过对摄像机的标定，得到双目摄像机中各摄像机的内外参数及双目摄像机旋转矩阵及平移向量，利用这些参数采用数学的方法进行建模。在实际使用过程中，由于实际模型复杂，且存在着相机的畸变，导致测距模型往往无法满足精度要求。本文利用神经网络建立测距模型，避免了参数的求解以及复杂的数学建模过程。通过分析比较常用的几种神经网络学习算法，最终选取BP神经网络建立测距模型。　　2.轮廓提取方面:在测距过程中，我们感兴趣的始终只有目标物体的轮廓信息，将图片中的背景信息及目标物上的纹理信息等视为无效信息。本文采用基于改进模糊逻辑的边缘检测算法对图片的边缘信息进行提取，在图片的边缘信息中通过填充、去除小目标物体及轮廓提取等步骤获取最终感兴趣的目标轮廓信息。　　3.特征匹配方面:对常见的几种特征匹配方法进行分析比较，提出一种适用于三维机器视觉的特征匹配算法。首先利用算法进行角点检测，并剔除临近点。将提取出的角点视为特征点，接着利用census变换及特征点的位置信息对特征点进行匹配。　　本文在MATLAB上进行测距实验，与传统的利用相机参数进行数学建模的测距方法进行实验比较，验证了本文系统的简便性及准确性。