立体匹配一直是计算机视觉领域的一个中心研究问题. 首先综合介绍了立体匹配算法的研究概况,论述了 双目立体匹配算法中各种约束的核心概念和适用范围;然后重点归纳分析了立体匹配算法的分类及其发展过程中的 各种演化算法,对其关键技术进行了剖析和比较,并总结了目前存在的主要难题和可能的解决途径;最后对该领域存 在的问题和技术发展趋势进行了分析和讨论.

该论文是基于双目立体视觉的运动目标检测与跟踪

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。

对左右两幅图像进行稀疏匹配，完成匹配后得到轮廓图和深度图，由深度图得到3维的点云立体图像。

双目立体视觉包括匹配的相关算法，帧间差分算法的深化

常用的利用matlab、opencv编写的立体视觉函数包括了视差图等知识，需要自己另外二次开发，参考下吧

一个关于双目立体视觉算法及应用的PPT，里面的内容十分丰富。其中原理部分，本人也借鉴了一下。由于PPT是意大利的一个大学教授做的，因此是全英文的，大家将就看看，随便提高下外文阅读能力

为了获得更为全面的三维信息，本文提出了基于双目立体视觉图像的三维拼接和融合的解决方法，并且完成了算法的实现。本方法仅使用双目图像作为输入，完成了高效的空间转换，并侧重于利用重投影融合和场景信息建模的方法对空间开销的控制，提高了处理的效率。同时，为了方便三维信息的观察和效果显示，对三维数据进行了可视化。经实验证明，本方法不仅能够用于拼接和融合三维数据，更能较好地用于显示三维数据。

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。

双目立体视觉在无人机上的应用