StereoVision也就是我们常说的立体视觉，可以说是计算机视觉的一个重要模块。人类之所可以看到世界的各种各样的物品，正是得益于我们的视觉系统。那么，我们要想让机器人跟人一样可以分辨物体，同样的需要给机器人双眼。我们肯定都有这样的体验，当我们看到一个物体的时候，我们其实是可以估计出这个物体是离我们比较近还是比较远的，那我们需要给机器人的不仅仅是能够识别物体的系统，而且这种系统同样的要能够判断出障碍物距离有多远，立体视觉系统的功能就能够很好的满足要求。
一般而言，立体视觉系统需要有两个（或者两个以上）摄像头的支持，也就正如人类的双眼一样。下面首先介绍一下单目系统。
O点为相机的光心，π是摄像头的成像平面。从图中可以看出，如果P点与Q点在同一条直线上，那么他们在图像上的成像点就是同一个点，也就是 ，那么也就看不出来他们在距离上的差异（也就无法知道Q在前还是P在前）
正是在发现了单目系统的缺陷之后，我们将系统由一个摄像头增加到两个摄像头，这样也就构成了一个立体系统。如果我们可以在两幅图像中找到对应点，我们就可以通过三角测量的方法来求得深度。
从图中可以很明显的看出，在增加了一个摄像头之后，P与Q在目标面T上的成像不在位于同一个点，而是有自己分别的成像点，也就是 与
。那么，在我们给出了Reference与Target之后，我们应该如何解决参考面与目标面之间的对应关系呢？
这个时候，就需要对极约束，对极约束意味着一旦我们知道了立体视觉系统的对极几何之后，对两幅图像间匹配特征的二维搜索就转变成了沿着极线的一维搜索。
图中黑色实线为R平面一条极线，绿色为T平面一条极线。给定一幅图像上的一个特征，它在另一幅图像上的匹配视图一定在对应的极线上（图中将P，Q视为特征，可以看到在T上的成像在绿色直线上）
通常我们使用的立体视觉系统都是比较标准的系统，如图所示。
一旦我们知道了对应点的搜索区域，就可以将其从2D降到1D，这样就形成了更加方便的立体视觉，对应点都被约束再同一条极线上，也就是图中的y直线。下面给出一个实际的示例（在理想情况下，我们希望两个摄像头的参数是完全一致的，并且两个相机的位置是平行的）。
在我们已经确保两个摄像头的参数是完全一致的，并且两者的位置是平行之后，我们的关注点就落到了如何计算物体的深度信息，这也是最重要最关键的地方。下面给出的是标准立体视觉系统下的计算原理。
我们假设 为空间中的一点，
为左边摄像头的光心，
为右边摄像头的光心，摄像头的焦距为
（光心到成像平面的距离），成像平面在图中用粉色线表示，
表示两个摄像头光心之间的距离，也称为基线，
在左右两个摄像机成像平面上的成像点分别为
与
，
与
为成像点的水平方向的距离（通常我们得到的是像素坐标系下的
坐标，其单位为像素，因此需要转换为实际的物理长度，涉及到坐标系的转换问题），
就是我们需要求的深度。
根据三角形相似定理（ ）：
，也就是我们通常所说的视差（disparity ）。
我们可以发现，深度 是跟视差
成反比关系的，当视差
越小时，
越大，物体离立体视觉系统也就越远， 当视差
越大，
越小，物体离立体视觉系统也就越近。这一点和我们人眼系统是一样的，当我们观察离我们比较近的物体的时候，视差很大，可以获得的信息也就越多，当物体离我们很远的时候，视差很小，我们获得的信息也就很少了。
在图像处理中，我们通常用灰度值来表示视差信息，视差越大，其灰度值也就越大，在视差图像的视觉效果上表现出来就是图像越亮，物体离我们越远，其视差越小，灰度值也越小，视差图像也就越暗。
本文主要参考Stefano Mattoccia教授的PPT：Stereo Vision:Algorithms and Applications
原文：https://www.cnblogs.com/fuzhuoxin/p/12643380.html