从实验数结果可以看出，采用本文优化的目标识别算法，可以快速地将不同姿态，不同环境下的目标物体识别出来，采用RANSAC算法对误匹配排除后，从而明显缩短了匹配时间，降低了匹配错误率。

3 立体匹配与三维重建

3.1 双目视觉系统立体匹配

  对目标进行三维重建，关键在于解决其深度信息。如果空间景物上的任意一点M在两个（或两个以上）相机成像面上的投影点为ml 和mr，则ml 和mr 被称为对应点。求取左右图像平面之间对应点的过程就是立体匹配。在三维信息坐标计算时，视差d 的计算具有非常重要的意义。视差估计在立体视觉中占有重要的地位，视差的估计过程就是立体图像对中对应点的求解过程，即立体匹配过程。因此，在具体介绍立体匹配原理前，首先，对视差和视差空间(DSI)进行明确定义。相对不同的立体摄像机模型，视差向量的结构也有所不同。在平行式立体视觉模型中，由于两相机的光轴相互平行，使左右图像之间对应的极线也相互平行，并且在同一图像水平扫描线上^[8]。因视差向量平行于图像的水平扫描线，此时视差向量将会退化为标量，如图所示；在汇聚式视觉模型中，左右图像间的对应极线不再平行，因而视差矢量也就不平行于图像水平扫描线，视差矢量的两向量都不为零

 本文搭建了标准的双目视觉系统，并基于张正友标定法对视觉系统进行标定，获得相机的内部参数以及左、右相机的相对位姿，来消除镜头畸变带来的影响。采用改进后的ORB+RANSAC特征点匹配算法对零件进行识别。实验结果表明，该算发法对旋转、遮挡、倾斜以及复杂背景等各种条件下的物体均能快速，准确地进行识别。后续采用特征匹配算法，对同一场景对应的两幅图像进行了立体匹配，获得视差值，结合标定结果对特征点进行了三维重建。通过选取的特征点进行实验，结果表明本文采用的算法满足精度需求。