双目立体视觉的3D重建全流程
以下是基于双目相机的3D重建标准流程，明确标注极线矫正（Epipolar Rectification）和图间点匹配（Feature Matching）的具体步骤及其作用：
1. 相机标定（Camera Calibration）
目的：获取相机内参（焦距 f、主点 (cx ,cy)、畸变系数）和外参（旋转矩阵 R、平移向量 T）。
方法：使用标定板（如棋盘格）拍摄多组图像，通过张正友标定法计算参数。
公式：
K 为内参矩阵，B 为基线长度。
2. 图像采集（Image Acquisition）
同步捕获左右相机的图像，确保场景一致性。
关键点：避免光照变化、运动模糊和遮挡。
3. 极线矫正（Epipolar Rectification）
位置：流程中预处理阶段，在特征匹配之前。
目的：消除垂直视差，使极线水平对齐，简化后续匹配。
步骤：
利用标定得到的 R 和 T，计算左右图像的矫正映射矩阵。
对原始图像进行重投影，生成共面且极线水平的矫正图像。
公式：
为旋转矩阵，确保光轴平行。
4. 图间点匹配（Feature Matching）
位置：极线矫正后，立体匹配（Stereo Matching）阶段的核心步骤。
目的：在左右矫正图像中找到对应像素点，计算水平视差。
方法：
局部匹配：滑动窗口法（如SAD、SSD、NCC）。
全局匹配：动态规划、图割（Graph Cut）。
深度学习：PSMNet、GC-Net等端到端视差预测网络。
输出：生成视差图（Disparity Map），每个像素值为左右图像的水平位移。
## 5. 深度图计算（Depth Map Generation）
公式：
d 为视差，Z 为深度，B 为基线长度，f 为焦距。
优化：通过滤波（中值滤波、双边滤波）去除噪声，填补空洞。
6. 三维重建（3D Reconstruction）
坐标转换：将深度图转换为三维点云。
输出：生成点云（Point Cloud）或网格模型（Mesh），可用于可视化或进一步分析。