内容概要：本文详细介绍了如何使用Python构建一个完整的双目三维重建系统。首先，通过双目摄像头采集图像并进行硬件连接，接着进行双目标定和立体校正，确保图像无畸变并对齐。然后，利用SGBM算法和WLS滤波器进行视差计算，提高视差图的质量。最后，通过Open3D生成并显示点云，完成从二维图像到三维空间的转换。文中还提供了许多实战技巧，如标定失败的解决办法、视差图断层的处理以及点云降采样的方法。此外，系统还集成了深度学习模型用于立体匹配，进一步提升了系统的鲁棒性和精度。 适合人群：具有一定编程基础和技术背景的研发人员，尤其是对计算机视觉、三维重建感兴趣的开发者。 使用场景及目标：适用于需要进行三维重建的应用场景，如机器人导航、虚拟现实、增强现实等领域。主要目标是帮助读者掌握双目三维重建的完整流程，能够独立搭建和优化自己的三维重建系统。 其他说明：本文不仅提供详细的代码实现，还包括了许多实战经验和优化技巧，帮助读者避免常见错误并提高系统的性能。同时，附赠了一些常用的点云处理算法，方便读者进行二次开发。

大致思路 感兴趣区域roi设置 映射点到像素上 移动坐标原点 根据高度值填充像素值 环境配置conda+ros 因为ros中的包是依赖Python2的，但是我们想用Python3b编程，所以需要安装一个conda环境。 在.bashrc中修改默认的conda环境变量。 # Conda # export PATH=/home/s/anaconda3/bin:$PATH # 注释掉conda的环境变量 alias condapy3='. /home/s/anaconda3/etc/profile.d/conda.sh && conda activate py3.7' # 创建Python3.7

点云生成的正射影像，用于建筑立面测量，真实尺寸，清晰绘图

需要配置PCL点云库、以及opencv函数库，记得启用openMP语言支持

velodyne点云生成pcd文件---1616749601.805126190.pcd

在对点云数据进行ICP或者是SCALE匹配计算时常使用最优平面匹配，该txt内代码可用于生成标定板的密集插值点云，用于类似棋盘格图案的块间边界点云生成

C++写的，点云生成深度图代码，直接修改路径，即可读取点云文件，并保存深度图

c++基于vtk8.1写的三维重建程序，可以读取obj stl等格式文件，重建表面，最后将结果文件保存位obj格式

由点云数据生成mesh的区域算法，是一种方便使用的算法，容易理解和移植。

需安装kinectSDK_v2.0，配置opencv和pcl库。可设置采集帧数，开始采集后会在本地保存相互对齐的彩色数据、深度数据和对应的点云文件