Stereo matching是一个process，提取两个或者更多的images，通过matching图像上的像素点来估计3D模型，并转换2D位置到3D深度信息。在之前的章节，我们描述了recover camera position和构建sparse 3d models。这一章，我们构建完全的3D模型，比如一个sparse或者dense depth，并且assign相对深度到每个像素点。同时，我们看看multi-view stereo算法，而这产生complete 3d volumetric或者surface-based models。

为什么people总是对stereo matching很感兴趣？从最早的inquires, 我们perceive 基于左右眼的差异的的深度信息。在简单的imaging configuration下，horizontal motion或者叫disparity是反比于distance from the observer。当基本的physics和geometry相对于visual disparity已经被很好的理解，通过建立dense和accurate的图像内的correspondence，来自自动量测disparity， 是一个极具挑战的工作。在计算机视觉中，stereo matching已经是一个most widely 学习的基础的问题，并且继续成为一个非常active的研究领域。当photogrammetric matching集中在aerial imagery，计算机视觉application包括modeling这个human visual system，robotic navigation和manipulation，以及view interpolation和image-based rendering， 3D模型构建等等。在这一张中，我们描述了stereo matching背后的fundamental principal，其根据是由szeliski提供的general taxonomy。我们首先开始的是review立体视觉匹配的geometry部分，比如如何计算一个给定的pixel可能在另外一个图像上出现的location，又比如epipolar line。我们描述如何pre-warp图像，让对应的epipolar line变得coincident，或者叫rectification。

接下来，我们briefly综述一个对interest point进行sparse stereo matching和edge feature。然后，我们转向这一章的main topic，就是估计a dense set 的pixel-wise correspondence，其形式就是disparity map。这包括selecting一个pixel matching criterion，然后使用或者local area-based aggregation或者global optimization，来帮助disambiguate potential matches。在最后一个部分，我们讨论了multi-view stereo methods，而这目标是reconstruct一个complete 3d model，而不是简单的disparity image。

Epipolar Geometry