机器视觉技术，是一门涉及图像处理、模式识别、人工智能多领域交叉学科。机器视觉技术应用的最大特点是速度快、信息量大、功能多。基于计算机底层函数运算和模式识别技术所建立起来的人工智能，犹如给设备装上了眼睛与大脑。值得一提的是，现今大量使用的机器视觉系统多为单视觉系统，很少使用双视觉和多视觉系统。人们多数情况下并不明白单镜头下的二维平面视觉，与双镜头下的三维立体视觉有什么不同。

     双镜头立体视觉最早用于航空摄影测量的立体镜中，两幅有60%重叠度的同一高度拍摄的地面照片，在立体镜下你能看到房子是突起来的立体物。基于立体视觉的光学检查最早用于手术显微镜，也就是后者被广泛运用的体视显微镜。基于立体视觉的三维立体测量最早源于航空摄影测量，整个空三角函数便是基于立体视觉下的立体测量而建立的，中国人王之卓老先生对空三角函数的建立作出了杰出贡献。

     显然，今天的高精度测量仪器--光学影像测量仪也仅仅是单镜头成像技术下的十字心测量法，这是一种平面投影测量法，而三坐标测量机则根本不是光学仪器，这是后话。基于立体视觉是否可以研发出高精度的测量仪器呢，答案是肯定的。不久后的一天，人们看到双镜头高速测量仪器不再会觉得奇怪。这里先来表述一下，机器视觉之立体视觉技术的原理：

     获取场景中各点相对于摄像机的距离是立体视觉系统的重要任务之一，场景中各点相对于摄像机的距离可以用深度图（depth map）来表示。机器视觉系统主要是依靠双（多）目CCD在不同的空间位置上上获取两（多）幅图像，通过这两（多）幅图像的深度信息和成像几何来生成深度图（如下图所示）。

　 我们以比较简单常用的双目CCD视觉系统为例，它的几何关系如图所示。它由两个完全相同的CCD摄像机（摄像头）构成，两个图像平面位于同一个平面上，两个摄像机（摄像头）的坐标轴相互平行，且x轴重合，摄像机之间在下x方向上的间距为极限距离B。

双目立体镜的几何模型

 　在图中，场景点P在左右图像平面中的投影点分别为P左和P右，假设坐标系原点与左透镜中心重合，比较相似三角形PMCl和PlLCl得到：

　　 （1）

　　同理，从相似三角形PNCr和PlRCr，得到：

　　 （2）

　　合并上面两式：

　　 （3），其中F是焦距。

　 由上面推导可知各种场景中的深度信息可以通过计算视差来实现。在机器视觉系统中要能准确的计算视差，一个重要的前提就是能够找到左右图像对中投影点的共轭对（场景中同一点在不同的图像中的投影点称作共轭对），即立体匹配。匹配的方法主要有边缘特征匹配、区域特征匹配和相位匹配三类，立体配对是机器视觉里面研究的一个重要方向，其要求左右眼视觉差很小。

     双目立体视觉是机器视觉的一个重要分支，主要功能有：现场系统标定、空间特征点距离三维测量、空间物体位置三维测量、空间运动体姿态的三维测量、特征点的自动识别定位等。机器视觉之双目立体视觉测量过程可分为以下几个步骤：图像获取、摄像机标定、特征提取、立体匹配及深度确定。
1、图像获取
    (1) 单台相机移动获取；
    (2) 双台相机获取：可有不同位置关系（一直线上、一平面上、立体分布）。
2、相机标定：确定空间坐标系中物体点同它在图像平面上像点之间的对应关系。
    内部参数：相机内部几何、光学参数；
    外部参数：相机坐标系与世界坐标系的转换。
3、图像预处理和特征提取
    预处理：主要包括图像对比度的增强、随机噪声的去除、滤波和图像的增强、伪彩色处理等；特征提取：常用的匹配特征主要有点状特征、线状特征和区域特征等。
4、立体匹配
    根据对所选特征的计算，建立特征之间的对应关系，将同一个空间物理点在不同图像中的映像点对应起来。立体匹配由三个基本步骤组成：
    (1)从立体图像对中的一幅图像上选择与实际物理结构相应的图像特征；
    (2)在另一幅图像中确定出同一物理结构的对应图像特征；
    (3)确定这两个特征之间的相对位置，得到视差。其中的步骤2是实现匹配的关键。
5、深度确定
    通过立体匹配得到视差图像之后，便可以确定深度图像，并恢复场景3D信息。