行业分类-作业装置- 一种基于立体视觉的机器人主动避障规划方法.zip

VS2017+OpenCV3.3基于SGBM算法的双目立体视觉、双目测距（双目校正和立体匹配）(文档里包含了测试图片)

双目立体视觉数据集，内含标定文件。双目立体视觉数据集，内含标定文件。双目立体视觉数据集，内含标定文件。双目立体视觉数据集，内含标定文件。双目立体视觉数据集，内含标定文件。

优质资源【含论文及代码】这个报告提出了一个基于MATLAB的立体视觉测量算法[13]的实现。它从经过校准的立体声装置获取输入，并递增地计算在环境中移动的物体的6自由度姿态。 该算法运行在KITTI Vision Benchmark [4]上。

行业分类-物理装置-基于双目立体视觉焊缝检测方法、装置、设备及存储介质.zip

使用VS2013和OpenCV3.0，对左右两幅相机得到的棋盘格标定图像进行立体标定和立体校正，为立体匹配和三维重建打下基础；使用VS2013和OpenCV3.0，对左右两幅相机得到的棋盘格标定图像进行立体标定和立体校正，为立体匹配和三维重建打下基础

国外著名实验室的较好的介绍立体匹配的PPT。包括概念，算法介绍以及硬件模型。十分适合于立体视觉的入门。

matlab线条标记的代码立体视觉路检测 该存储库向公众开放，任何想要实施道路车道线检测的人都可以自由使用它。 它将新的车道线检测算法与其他车道标记检测器集成在一起，以识别正确的车道线标记。 它还适合多个道路模型，以提高准确性。 提出了一种有效的立体3D重建方法来估计车辆的定位。 新的粒子滤波框架进一步保证了估计的一致性，该框架考虑了车辆动力学。 基于在不同视觉条件下拍摄的图像序列的实验结果表明，所提出的系统能够以98.6％的精度识别车道线标记。 车辆到车道线距离的最大估计误差在白天为26厘米，夜间为16厘米，相对于切线的行驶方向的最大估计误差在白天为0.06rad，在夜间为0.12rad。 要运行代码：只需运行main.m 要求：64位Windows + Matlab 有关更多详细信息和引用，请参阅以下文章：@article {du2016comprehensive，title = {用于自动驾驶汽车车道水平定位的综合和实用视觉系统}，作者= {Du，Xinxin and Tan，Kok Kiong}，日志= {IEEE图像处理交易}，数量= {25}，数量= {5}，页面= {20

Stefano大牛的经典ppt，关于3D stereo讲的很透彻很详细。对于学习Stereo的学者来说是必读的材料。希望能有所帮助。

双目立体视觉重建 主要分2种方式重建 特征点匹配重建 和视差图重建