研究生学位论文,内容非常详细，叙述十分清晰，具有很高的参考价值。非常值得学习，适合相关领域知识的学习和巩固，基于可见光和红外热像仪的双目视觉目标检测与定位

双目视觉的三维重建 双目视觉的三维重建 双目视觉的三维重建

代码可以实现双目视觉标定和立体匹配、视差计算、深度图生成等功能，并配有标定图片。可以用于理解双目视觉的操作过程和前期思路整理。

双目三维重建程序

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

随着各类无人技术的发展，对于障碍物检测技术的需求也日益提高。为实现快速精确的障碍物探测识别，文中基于双目立体视觉原理，利用张正友标定法对双目相机完成标定，获取内外参数，并对相机拍摄的图像进行去噪、去除亮度差及锐化处理，最终通过图像匹配得到目标场景的深度信息。根据应用需求对K-means聚类算法作出改进，以实现目标场景内障碍物的分割识别。实验结果表明，所设计的障碍物识别系统能够较好地实现障碍物的深度信息获取及分割识别，为后续避障工作提供了有效信息。

vs2015+opencv2.4.10实现的双目立体视觉三维重建c++代码。SGBM立体匹配

通过双目视觉测距Python代码，可以运行。

semi-global matching（缩写SGM）是一种用于计算双目视觉中disparity的半全局匹配算法。在OpenCV中的实现为semi-global block matching（SGBM）。 SGBM的思路是： 通过选取每个像素点的disparity，组成一个disparity map，设置一个和disparity map相关的全局能量函数，使这个能量函数最小化，以达到求解每个像素最优disparity的目的。

本文利用双目视觉定位技术，实现了机器人对目标的识别与定位。首先，提出了一种介于传统标定和自标定的内外参数标定分离的方法，摄像机内部参数以透视成像模型为基础，用物理方法来提取； 外参数标定时合理选取参考坐标系，通过实验分析求取两摄像头的外参数模型。该算法简单易懂、计算速度快、所需设备简单、实用性好。最后通过试验说明了该方法的有效性。其次，以数字图像处理为基本手段，结合数据融合理论，研究了基于特征的立体匹配方法，采用了适合本课题实时性要求的图像预处理方法，在图像分割中，采用色彩图像分割方法并给出实验结果。进行目标特征提取时，针对具有圆形特征的目标，提取目标圆心特征，然后用外极线约束对左右图像所提取的特征点进行匹配。最后，结合摄像机标定结果和所提取的特征点，采用摄像机成像逆变换方法对目标特征点进行深度恢复，从而对目标进行定位