利用树莓派的USB功能，实现双目摄像头的数据采集。

文章名称：3-D Point Cloud Generation from Rigid and Flexible Stereo Vision Systems 文章（英文）详细讲解了双目视觉的一些基本原理，已经如何使用两个普通的网络摄像头来实现双目视觉，以及如何根据两个摄像头来计算物体深度信息。 代码为文章中附带的代码 仅供参考学习

基于双目视觉的深度计算和三维重建，双目视觉opencv opengl三维重建，简单的三维重建系统，代码可正常运行

基于FPGA平台的双目视觉处理项目，可以通过双目摄像头实现目标物体测距，测量大小等功能

环境：c++版本、OpenCV 4.5.3、Eigen data文件夹：存储左右目图片 demo文件夹：点对匹配结果、深度信息、三角测量可视化效果 main.cpp：主函数，调用orb_match进行点对匹配，调用antipolar_geometry计算对极几何位态变换，调用triangulation进行三角测量 get.cpp：调用双目摄像头，存储左右目图片 orb_match.cpp：库函数，功能包括：orb特征检测、描述子计算、landmark标志点对匹配 antipolar_geometry：库函数，功能包括：对极几何，计算两幅图像之间的位姿变换 triangulation：库函数，功能包括：三角测量，还原landmark标志点深度信息，得到landmark标志点3D坐标

眼睛是一种重要的生物信息，包含了表情、身份、性别的多种信息，在模式识别，疲劳驾驶检测和人机交互等多方面有重要的作用，本文主要研究的是眼睛检测与视线跟 踪算法。

calib_imgs文件夹：存储拍摄得到的左右目图片，左目棋盘格图片存于文件夹1，右目棋盘格图片存于文件夹2。 calib_left.cpp：进行左目摄像头的标定。 calib_right.cpp：进行右目摄像头的标定。 calib_stereo.cpp：进行双目标定。 get_img.cpp：用于移动棋盘格，存储左右目拍摄的图片。 undistort_rectify.cpp：进行双目校正。 环境配置：c++代码、OpenCV 4.5.3环境。

对于基于深度学习的立体匹配而言,模型的网络结构对算法精度的影响很大,而算法运行效率也是实际应用中需要考虑的重要因素。提出一种在视差维度上使用稀疏损失体进行立体匹配的方法。采用宽步长平移右视角特征图构建稀疏的三维损失体,使三维卷积模块所需的显存和计算资源均降低数倍。采用多类别输出的方式对匹配损失在视差维度上进行非线性上采样,并结合两种损失函数训练模型,在保证运行效率的同时提高算法精度。在KITTI测试集上,与基准算法相比,所提算法不仅提高了精度,而且运行时间缩短了约40%。

该文档对bumblebee双目立体摄像头的结构，原理，使用，注意事项等进行了简单介绍。

本文提出一种基于极线约束的最小二乘图像匹配方法。该方法利用两幅图像间的极线约束得到多个预匹配点，确定预匹配区域，然后用用最小二乘法获得最佳匹配