1.双目匹配时面临的困难
在双目视觉中立体匹配经过半个世纪的发展，已经取得很多研究成果，但依然面临各种各样的难点与挑战。一般立体匹配算法受以下几方面影响，这也是国内外学者一直需要解决的关键问题：包括立体匹配受本身内在因素的影响,同时也受到外界环境的影响(即外在因素)以及算法精度与运行时间问题，使得在实际应用中还存在一定的局限性。
光学失真
表面反光
缩放
透视变换造成的失真
缺少纹理的区域（白墙）
重复出现
透明的物体
遮挡
2.双目匹配的评价标准
在 2002 年以前，虽然立体匹配算法得到很大的发展，但却没有一个统一的标准来评估算法的好坏。所以 Scharstein 和 Szelisk开发了在线评估平台Middlebury(http://vision.middlebury.edu/stereo/) 网站，该平台提供了四组标准的立体匹配图像数据，分别为 Tsukuba、Venus、Teddy 和 Cones
这些图片都是在不同环境下拍摄的，而且都经过外极线校正所得，并同时给出四组图像的真实视差图（Ground truth
image）作为参考，通过将上传到网站的算法和真实视差结果进行分析对比，从而得到准确的算法评估数据，同时为了对算法进行定量的评估，提出了均方根误差和误匹配率两大指标进行分析：
- 均方根误差法 RMS(root-mean-squared)
- 误匹配率 PBM(Percentage of bad matching pixels)
在对立体匹配算法进行误差计算评测时，通常用 Middleburry 评测网站给出三类典型区域进行划分，如非遮挡区域误匹配率(nonocc)、所有像素点的误匹配率(all)、视差不连续区域误匹配率(disc),对这些区域利用上述公式计算误差率，再通过计算整幅图像的平均误差率对上传的图像进行整体评估，并得到在网站中的公开排名。
