在计算机视觉中，可以通过双目摄像头实现，常用的有 BM 算法和 SGBM 算法等，双目测距跟激光不同，双目测距不需要激光光源，是人眼安全的，只需要摄像头，成本非常底，也用于应用到大多数的项目中。使用双目摄像头和 SGBM 算法实现距离测量。 参见博客：https://blog.csdn.net/weixin_38346042/article/details/124739933?spm=1001.2014.3001.5501

LabVIEW双目GigE相机同时采集并保存，用于双目视觉标定。

个人整理的vs2017读取彩色双目相机程序，亲测可用，并带有截图保存功能。欢迎学友相互指教。

该资源主要是针对双目相机标定，可以进行计算机视觉的下一步工作

KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。上传部分包含双目两个相机的的灰度图像，相机内参以及时间序列。

输入左右相机采集的一系列图像（包括目标和标定板），实现相机内外参数标定。并利用立体视觉原理计算目标相对左右相机的**空间三维坐标以及空间距离**。 圆点靶标相对于棋盘格靶标来说，具有一定的局限性，同时又有其独特的优势。 优点：在针对一些诸如投影仪和相机的标定过程中，需要知道特征点中心的投影仪投射的光的信息（如相移法）。但是我们的棋盘格由于是特征点是角点，所以不容易获得特征点中心的光信息。这是圆点靶标相对于棋盘格的一个优势。如华中科技大学的一篇关于相机和投影仪的标定文章《Accurate calibration method for a structured light system》，目前圆点标定板在三维扫描仪中应用更加广泛。 缺点：缺点也十分明显，圆点靶标摆放的位姿在与相机光轴不垂直的情况下，特征点的中心拍摄图像的特征点的中心（或者说是重心）这个时候不论用Steger方法提取光点中心，还是用OpenCV原生的blob方法获取斑点中心，效果理论上来说应该都不是可靠的，或者说精度较高的。在实际的拍摄过程中，我们不可能保证圆点靶标的位姿与相机光轴垂直。

双目相机结合结构光的三维内窥镜成像与融合技术研究.pdf

基于双目相机与嵌入式GPU的SLAM系统设计.pdf

有关深度相机的基础知识总结。包括单双目相机模型、坐标系转换的推导、双目测距原理、相机标定与畸变矫正、Tof与结构光的基本原理、Intel RealSense D455 深度相机简介等。

行业分类-物理装置-一种基于双目相机手势交互的黑板控制方法及控制系统.zip