立体感知对应点匹配基本分为两种：一是低层的基于像素级的匹配，二是高层的基于特征级的匹配。

这里介绍的是底层的像素级匹配。

用摄像头平行移动获取两张图片，其实就是双目感知到的两张图片。

原理是在一定的窗口中，两张图片具有相同的水平视差，而对比这两个局部窗口中的像素相似度就能计算出当前像素的深度。

先看下效果吧：

                      

　　　　left.img　　　　　　　　　　　　　　right.img

                       

　　　　　　　　　　　　depth.img

具体判断像素相似度的判据有以下几种：

所有公式（非官方公式哈，自己凭理解写的）中ds是原图中的像素块（左图），dd是待检测图的像素块（右图），i是要搜寻深度的距离。

当然，左右都是相互的，颠倒过来比较是一样的。

1.Sum of Absolute Differencse(sad)公式如下：

2.Root Mean Squared Error(rms)公式如下：

3.Sum of Squared Differences(ssd)公式如下：

4.Normalized Cross Correlation(ncc)公式如下：

5.Sum of Hamming Distances(shd)公式如下：

公式5中的bit()的含义是像素转为二进制后含有多少个1，整个公式意思就是两张局部图先异或一下，然后统计所有像素二进制化后1的个数，取最少的那个就行了。

我只用matlab实现了第一个公式,其他的都是类似的。

代码如下：

clear all;close all;clc;left=double(imread('left.jpg'));right=double(imread('right.jpg'));[m n]=size(left);w=3;       %模板半径depth=5;    %最大偏移距离，同样也是最大深度距离imgn=zeros(m,n);for i=1+w:m-w   for j=1+w+depth:n-w        tmp=[];       lwin=left(i-w:i+w,j-w:j+w);       for k=0:-1:-depth                   rwin=right(i-w:i+w,j-w+k:j+w+k);           diff=lwin-rwin;           tmp=[tmp sum(abs(diff(:)))];       end       [junk imgn(i,j)]=min(tmp);   %获得最小位置的索引   endendimshow(imgn,[])

之所以没有全部实现是因为所有版本的实现在这个（需FQ）里都能找到，我就不多此一举了。