立体视觉作为计算机视觉研究的重要课题之一,在目标识别、自主导航、工业自动化控制等领域都有着广阔的应用前景。立体匹配是立体视觉系统的核心,其精度决定后续的深度信息获取、三维重建的准确性,其运算速度也影响整个立体视觉系统的实时性。置信传播算法作为一种全局立体匹配算法,拥有超过局部算法的匹配精度;而节点间运算的一致性也为硬件加速提供了可能,但算法中不断的迭代会导致大量的资源消耗和运算延迟。因此本文聚焦在面向硬件实现的立体匹配技术中的低复杂度、实时置信传播算法。首先,本文回顾了立体视觉系统的原理,介绍了立体匹配基本框架和算法,以及评价方法。随后,本文基于置信传播算法,以能量函数最小化法作为评价方法对理想硬件环境下两种基本的消息传递策略进行了性能比较,选择其中优化性能更好的BP-M作为优化性能基准,并分析了硬件实现中的挑战。其次,本文介绍了两种置信传播算法的改进算法,针对硬件实现中的关键问题进行了分析比较,包括分层层数和各层迭代次数对分层置信传播算法(HBP)性能的影响,以及基于分块的置信传播算法(Tile-based BP)的实时性问题,并针对分辨率不大的图像,提出一种基于分块置信传播算法的实时处理方案。最后,本文从两个方面对基于置信传播的立体匹配算法的实时性能进行改善。在算法层面,提出了面向硬件实现的HBP与Tile-based BP的实时结合算法,通过对比发现,两种算法在优化性能方面都能达到甚至超过传统BP-M,而其中的基于Tile-based BP的改进算法在实时性方面具有很大的提升,而且硬件资源消耗控制在可实现的范围内。在运算单元层面,本文设计并实现了两种运算单元,包括一种基于传统min-convolution算法的运算单元,和一种低复杂度的运算单元。本文对两种运算单元都进行了行为级仿真和逻辑综合,通过比较仿真和综合结果,低复杂度运算单元具有更高的硬件效率和更低的延迟,可以满足结合算法的需求,增强系统实时性。