realsense_d435i包含立体视觉相关的项目有：

map_office_revised

利用intel D435i相机对办公室进行三维重建，适用于在室内小范围，已完结（open3d:Choi, Q.-Y. Zhou, and V. Koltun, Robust Reconstruction of Indoor Scenes, CVPR, 2015.)

calVolume_pointCloud_ui

利用qt对上述重建ply文件进行切割和体积测量，已完结。

biocular

利用海康摄像头做双目

• 双目校准
• sgbm立体匹配出视差图
• 视差图（可以做空洞填充）深度图

photogrametry

走的是摄影测量学路线。利用海康摄像头对大型室外堆场，测量体积。

• 单目标定，得到内参矩阵，

• 共线方程后方交汇 -- 可以使用PnP测量摄像头姿态， 摄影中心到物体中心距离x[u,v ,1]=内参矩阵x旋转矩阵x（[X，Y，Z]-[摄影中心的物方坐标（平移向量）X,Y,Z]） -- 也可以光束平差法Bundle Adjustment:没做。对场景中任意三维点P，由从每个视图所对应的的摄像机的光心发射出来并经过图像中P对应的像素后的光线，都将交于P这一点，对于所有三维点，则形成相当多的光束（bundle）；实际过程中由于噪声等存在，每条光线几乎不可能汇聚与一点，因此在求解过程中，需要不断对待求信息进行调整（adjustment），来使得最终光线能交于点P。将相机的姿态和测量点的三维坐标作为未知参数，将影像上探测到的用于前方交会的特征点坐标作为观测数据从而进行平差得到最优的相机参数和世界点坐标。

• 共线方程前方交汇--三角测距,把两幅图找特征，然后F,E,R,T，通过相机的物体空间坐标XYZ+姿态+光心偏移xy+焦距，以及像素坐标，带入三角化,得到稀疏物理坐标

• 密集匹配了（Dense Matching）：没做

robert_eyes

多了一个二维码定位，然后也是pnp，triangle