先給出求視覺深度的演算法流程圖：

攝像頭標定：

攝像機標定的過程得出攝像機幾何模型，給出透鏡的畸變模型，這兩個模型定義了攝像機的內參數模型。

攝像機幾何模型：

針孔模型：

（Learning Opencv中的此環節各種名詞的定義很混亂，在下面做一個統一）

成像平面：針孔平面。

影象平面：投影平面。

光軸：穿過針孔，與針孔平面垂直的直線。

焦距：針孔到影象平面距離。

針孔：投影中心。

主點：光軸與影象平面的焦點。

Z：針孔到物體的距離。

成像儀的中心：晶片感光陣列的中心點，圖片的畫素中心點。

由三角形相似

這個公式顯示的影象是倒立的，為了便於計算，將針孔模型轉化為計算模型，具體做法是交換影象平面與成像平面。

計算模型

若光軸與成像儀的交點剛好是影象平面的主點。那麼得到的公式是：

但是這種情況在實際中幾乎是不可能的。因此引入兩個新的引數Cx，Cy，對可能的偏移進行建模。

最終得到的公式是：

方法1：Learning Opencv的第11章

利用函式cvCalibrateCamera2（）

方法2：Learning Opencv的第12章

利用函式cvStereoRectify（）；

求視覺深度，首先必須得看懂這個圖

Cxleft和Cxright：像平面的像主點

Ol，Or：投影中心，針孔模型中的針孔。

T：投影中心間距

f：兩個攝像頭的焦距

d：兩幅影象的視差

由三角形相似

由該公式可以看出，將求視覺深度轉化為求兩幅影象的視差。

然而在實際情況中，兩個攝像頭不可能嚴格地向前平行對準，當攝像頭不向前平行對準時，會出現一個新的感興趣點，稱之為極點。（el，er）。

實際點P與兩個極點構成的面，稱為極面。

實際點P在投影面上的投影點稱為，投影點，投影點與極點的連線稱為極線。

該圖呈現的便是立體成像的基本幾何學：對極幾何。

每一個物理世界的3D點，都對應一個極面，兩條極線。由對極幾何的定義可知，pl的匹配檢視pr，一定在對應的極線上。於是便可以將二維收索轉化為在沿著極線的一維搜尋。

對極幾何的意義在於，減少特徵匹配的計算量，並且排除虛假匹配的點。

立體標定：計算空間上兩臺攝像機幾何關係的過程。

立體校正：對個體影象進行糾正的過程。

如何計算極線？

計算極線需要知道兩個攝像機的物理相對關係和畫素相對關係，需要用到兩個矩陣

基礎矩陣和本徵矩陣的對應關係

基礎矩陣的計算：cvFindamentalmat（）；也可以通過cvStereoCalibrate（）函式得來。

由基礎矩陣計算極線。

cvComputeCorrespondEpilines();

根據得到的極線來立體校正影象。

立體匹配，匹配兩個不同攝像機檢視的3D點，計算視差。

使用cvPerspectiveTransform（）或者成vReprojectImageTo3D（）；得到視覺深度。

Opencv開啟指定攝像頭