双目立体视觉中的核心部分，利用AD-census算法实现立体匹配

在获取点云数据时，由于设备精度，操作者经验，环境因素带来的影响，以及电磁波的衍射特性，被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中讲不可避免的出现一些噪声。在点云处理流程中滤波处理作为预处理的第一步，对后续的影响比较大，只有在滤波预处理中将噪声点 ，离群点，孔洞，数据压缩等按照后续处理定制，才能够更好的进行配准，特征提取，曲面重建，可视化等后续应用处理。

立体视觉，双目成像，由左右视角拍摄的两幅图像源码 （直接运行可能会出错，仅供参考，世上没有现成的东西，自己去试试debug一下，也是一次学习的机会）

计算机视觉的PPT，讲述了计算机视觉与相关学科的关系，计算机视觉的发展，计算机视觉的困难与问题，涉及，里面有大量的MATLAB实例。

双目立体视觉测量系统是工业测量中的重要手段，三维重建是双目立体视觉测量体统中非常重要的一环。基于视差原理的传统三维重建模型是对双目立体视觉系统的一种理想化抽象。通过分析由平面到三维点的实际映射过程，提出了一种更加符合实际数据的三维重建模型，异面直线公垂线三维重建方法。该方法通过计算两摄像机光心与其各自像点构成的两条空间直线的公垂线，即两条异面直线的最小距离点来定位三维空间点，且其最小距离参数可有效判断误匹配点。通过实验对该方法进行了验证。结果表明该方法可达到传统视觉三维重建方法的测量精度，并可有效判断匹配点是否为误匹配点。

对于基于块进行立体匹配的深度学习方法而言，网络结构的设计对匹配代价的计算至关重要，同时，卷积神经网络（CNN）在图像处理时的耗时问题也亟待解决。提出一种基于“缩小型”网络的CNN立体匹配方法。利用CNN训练左右图像块的相似性，计算出立体匹配的匹配代价。其中，CNN特征提取阶段，通过对每个层增加相应的批归一化层，可以使训练使用更大的学习率，加快网络训练收敛速度。另外，网络设计中全连接层采用“逐层缩小”的形式，结合上述网络优化和损失函数改善，在保证精度的同时提高了运行速度。使用KITTI数据集对算法进行验证，实验结果证明，相比目前国内外先进方法，本文算法在精度方面有一定优势，相比部分方法，速度有较大提升。

OpenCV+OpenGL 双目立体视觉三维重建代码以及文档 使用opencv进行立体匹配获取视差图，三角剖分 使用opengl进行纹理贴图 需要配置opengl，opencv，vs2015工程 博客地址： http://blog.csdn.net/wangyaninglm/article/details/52142217

基于HALCON的W双目立体视觉系统实现2142171122574461,很不错！！

基于立体视觉和滤波算法的无人船环境感知技术研究.caj

双目立体视觉中，计算视差的方法并利用散斑技术来完成