針對立體視覺深度圖特征提取精確度低、復雜度高的問題，提出了一種基于主成分分析方向深度梯度直方圖（ PCA-HODG）的特征提取算法。首先，對雙目立體視覺圖像進行視差計算和深度圖提取，獲取高質量深度圖；然后，基于預設大小窗口對所獲取的深度圖進行邊緣檢測和梯度計算，獲得區(qū)域形狀直方圖特征并量化；同時運用主成分分析（PCA）進行降維；最后，為實現特征獲取的精確性和完整性，采用滑動窗口檢測方法實現整幅深度圖的特征提取，并再次降維。在特征匹配分類實驗中，對于Street測試序列幀，該算法比距離樣本深度特征（RSDF）算法平均分類準確率提高了1. 15%，而對于Tanks、Tunnel、Temple測試序列幀，該算法比測度不變特征（GIF）算法平均分類準確率分別提高了0. 69%、1.95%、0.49%；同時與方向深度直方圖（HOD）、RSDF、GIF算法相比，平均運行時間分別降低了71. 65%、78. 05%、80. 06%。實驗結果表明，該算法不僅能夠更精確地檢測和提取深度圖特征，而且通過降低維數復雜度大大減少了運行時間；同時算法具有較好的魯棒性。