各标定步骤实现方法 1 计算标靶平面与图像平面之间的映射矩阵 计算标靶平面与图像平面之间的映射矩阵，计算映射矩阵时不考虑摄像机的成像模型，只是根据平面标靶坐标点和对应的图像坐标点的数据，利用最小二乘方法计算得到[ [ix] ] .2 求解摄像机参数矩阵 由计算得到的标靶平面和图像平面的映射矩阵得到与摄像机内部参数相关的基本方程关系，求解方程得到摄像机内部参数，考虑镜头的畸变模型，将上述解方程获 得的内部参数作为初值，进行非线性优化搜索，从而计算出所有参数的准确值 [[x] ] .3 求解左右两摄像机之间的相对位置关系 设双目视觉系统左右摄像机的外部参数分别为Rl, Tl,与Rr, Tr,，即Rl, Tl表示左摄像机与世界坐标系的相对位置，Rr, Tr表示右摄像机与世界坐标系的相对位置 [[xi] ]。因此，对于空间任意一点，如果在世界坐标系、左摄像机坐标系和右摄像机坐标系中的坐标分别为Xw,, Xl , Xr，则有:Xl=RlXw+Tl ;Xr=RrXw+Tr .因此，两台摄像机之间的相对几何关系可以由下式表示R=RrRl-1 ;T=Tr- RrRl-1Tl 在实际标定过程中，由标定靶对两台摄像机同时进行摄像标定，以分别获得两台摄像机的内、外参数，从而不仅可以标定出摄像机的内部参数，还可以同时标定出双目视觉系统的结构参数 [xii] 。由单摄像机标定过程可以知道，标定靶每变换一个位置就可以得到一组摄像机外参数:Rr,Tr,与Rl, Tl，因此，由公式R=RrRl-1 ;T=Tr- RrRl-1Tl，可以得到一组结构参数R和T

博洛尼亚大学（University of Bologna）Stefano Mattoccia教授的讲义，是双目立体视觉入门必读资料，200页PPT系统的讲解了双目视觉原理、双目整个流程、立体匹配算法的对比及常见的问题等。网上讲解双目视觉相关知识的博客，很多都引用过该PPT中的图片。

搭建双目视觉传感器，完成双目视觉传感器的标定。利用标定后的双目视觉传感器完成一项应用，并给出双目视觉传感器的标定精度以及测量精度的评价。本资源旨在给予双目采集困难初学者，练习标定所用到的高质量双目图像。

介绍双目视觉测距的工程答辩，是我双目视觉测距系列博文（一）中提到的PPT

根据官方例程进行改变。进行三角测量的两种方法进行三维坐标计算，非全图三维重建，是特征点，这里使用的是棋盘格角点作为匹配点

在VS2010，OPENCV2.4.9平台下实现的双目视觉系统，MFC代码实现了左右视图的显示，相机标定以及校正的功能。代码完全可用。

这是一个基于双目立体视觉做的规则物体测量的demo，实现了对规则物体尺寸测量的工程，精度在2mm左右。

（C++代码）用sift算法实现双目立体视觉测距，建议在opencv2版本下运行。

代码参照博客 http://blog.csdn.net/bcj296050240/article/details/52778741。 博客中详细描述了该项目中各段代码的用途。该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。欢迎交流

C#,双目测距,检测空间中指定的一个点的距离. 通过对两幅图像视差的计算，直接对前方景物（图像所拍摄到的范围）进行距离测量.