ic”键，进行靶标相对于摄像机的外参数标定，结果如下：
17
f18
其中，Tc_ext表示位移向量，单位为mm；omc_ext表示旋转向量；Rc_ext表示旋转矩阵；
312双目立体视觉标定左摄像机内参数的标定结果保存为Calib_Results_leftmat，右摄像机的标定结果保存为Calib_Results_rightmat。运行stereo_gui指令，进行双目立体标定程序，依次导入左、右摄像机的标定结果文件，实验结果如下26：
其中，om，T分别表示为左摄像机相对于右摄像机的姿态矩阵与位移向量24。点击“Ru
stereocalibratio
”键，计算并输出左、右摄像机的内参数和优化
后的内参数。输出结果：
18
f19
点击“ShowExtri
sicsofstereorig”键，实验结果如图39所示：
Extri
sicparameters
17
1149113415238
6
100
120
50
0
50100
LeftCRYaigmhXetZrCaamXZera
150
Y
10001002000
500400300200100
图39靶标相对于摄像机的位姿
该图显示是14张棋盘图相对于双目摄像机的位姿三维图。
313实验结果分析
Matlab摄像机标定工具是基于张正友平面标定法原理设计的，张正友平面标
定法的原理与流程在本文中的第二章有所叙述。此处，我们针对该算法以及实验
结果进行分析：
张正友的平面标定方法比传统标定方法设备要求低，操作简单，又较自标定
方法精度高，符合家用，办公用的桌面视觉系统DVS的标定要求。但是基于
Matlab实现张正友标定法需要手动进行特征点标靶区域选取，手动选取的不确定
性会给实验结果带来误差。
32立体匹配仿真结果
采用高清双目摄像机拍摄一组左右图像，并分别用两种算法进行匹配，实验图片以及其对应的实物轮廓图片如图310所示
19
f20
图310彩色立体左右图像对以及实物轮廓图
图中上面一组图片显示是左右摄像机拍摄的左右彩色实物图像，下面一组图片显示的是左右实物图像中物体轮廓图
321基于全局误差能量最小化区域匹配算法我们分别取窗口大小为111233的模板进行立体匹配，实验结果如下：1、参数取值为
1m1dmax40f30T201，其中
m表示窗口大小，dmax表示能量误差阈值，f表示摄像机焦距，T表示两摄像机距离，表示容忍误差系数；窗口大小为11时模块匹配又称为点匹配，实验结果如下：
20
f21
图311模块为11视差图
图312模块为11深度图其中可靠视差图是全局视差图去除了“无估计”点即误差值大于阈值的点的视差图，比较两图可以发现，可靠视差图较比全局误差视图陡变区域更缓和；经过中值滤波后的视差图较平滑；误差能量可以大致显示出物体边缘轮廓；深度图显示的是左右两图像中空间r