近年来，随着计算机硬件的不断快速更新，计算机的处理能力也不断变强。同时场景三维模型的获取技术越来越成熟，我们获得场景的三维模型数据的方式更多也更加方便了。而目前在基于单目和双目的三维重建技术中，单目技术较双目操作简单、而且取材方面更有利于推向市场。本文主要讲述基于单相机的三维重建，然后通过基于累积图的快速NCC匹配的种子扩张算法来进行高精度的三维场景重建。本章对经典的NCC相似度量函数进行优化，以此减少计算时间。而种子像素扩张算法即先选择初始的种子像素，利用视差图进行窗口比较从而获得高置信度的

文章目录实验原理视差图计算归一化互相关双目立体匹配的步骤实验内容代码实现实验过程实验总结遇到的问题 实验原理 视差图计算 深度信息可以通过计算1幅图像和其它图像的特征位置的像素差获得。视差图和深度图很像，因为视差大的像素离摄像机近，而视差小的像素离摄像机远。按以米为单位来计算摄像机距物体多远需要额外的计算。 根据Matlab教程，计算视差图的标准方法是用简单的块匹配（Block Matching）。我们选择右边图像中的1块小区域，并在左边图像中搜索匹配最近的像素区域。同理，当搜索右边图像时，我们

文章目录实验原理视差图计算归一化互相关双目立体匹配的步骤实验内容代码实现实验过程实验总结遇到的问题 实验原理 视差图计算 深度信息可以通过计算1幅图像和其它图像的特征位置的像素差获得。视差图和深度图很像，因为视差大的像素离摄像机近，而视差小的像素离摄像机远。按以米为单位来计算摄像机距物体多远需要额外的计算。 根据Matlab教程，计算视差图的标准方法是用简单的块匹配（Block Matching）。我们选择右边图像中的1块小区域，并在左边图像中搜索匹配最近的像素区域。同理，当搜索右边图像时，我们