立体匹配核心步骤：
本文围绕如何在两张图像上找到对应点，不涉及三维重建；
分为两部分：对应点匹配三种方法和利用匹配点获取深度信息（视差图）的原理解释
一、如何在两张图片找到对应点？（有了极线约束，不需要全平面的寻找匹配点！）
极线约束：
极线约束就是说同一个点在两幅图像上的映射，已知左图映射点p1，那么右图映射点p2
定在相对于p1的极线上。
三种尺度的匹配方式：
1.逐像素的匹配（找另一图像级线上最相似的像素值）：
2.基于window 匹配（求window的cost）：
关于计算window的代价函数如下图所示：
3.global 匹配（为了减小噪声）
从下图可以看出视差图还是有很多的error，所以进一步提出global，考虑平滑。
最小化损失函数
二、找到对应点我们能做些什么？（当然是获取场景的深度信息，下面提出了如何表达深度信息）
视差：两个对应点x轴的差。
视差图：每个像素值由两个图像上对应点的距离差值*某个特定的值。（物体越近，视差越大，因而绘制呈现为白色，越远视差越小，呈现为黑色），正如下图的视差图表示出了场景的深度信息。
找到对应点后，根据视差求深度。
下图解释了物体距离摄像头越近，视差越大。（为什么视差图可以表达深度）
