1. 单目视觉测量方法原理
简单说就是：相机来说的话，单目是只需要一个操作数的意思 比如 a++ a-- *a &a 双目是需要两个操作数的意思 比如 a+b a-b a*b a/b a%b 如果预算允许的话，建议购买双目摄像头，一体式的设计，仿真人眼视角，简单方便。国内最近有一款新出的mynt eye小觅双目摄像头，各项参数还可以，价格也不贵，可以看看。
2. 单目视觉标定
当今,由于数字图像处理和计算机视觉技术的迅速发展,越来越多的研究者采用摄像机作为全自主用移动机器人的感知传感器。这主要是因为原来的超声或红外传感器感知信息量有限,鲁棒性差,而视觉系统则可以弥补这些缺点。而现实世界是三维的，而投射于摄像镜头（CCD/CMOS）上的图像则是二维的，视觉处理的最终目的就是要从感知到的二维图像中提取有关的三维世界信息。
简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。
（1）摄像头标定算法：2D-3D映射求参。
传统摄像机标定主要有 Faugeras 标定法、Tscai 两步法、直接线性变换方法、张正友平面标定法和 Weng迭代法。自标定包括基于 Kruppa 方程自标定法、分层逐步自标定法、基于绝对二次曲面的自标定法和 Pollefeys 的模约束法。视觉标定有马颂德的三正交平移法、李华的平面正交标定法和 Hartley 旋转求内参数标定法。
（2）机器视觉与图像处理：
a.预处理：灰化、降噪、滤波、二值化、边缘检测。。。
b.特征提取：特征空间到参数空间映射。算法有HOUGH、SIFT、SURF。
c.图像分割：RGB-HIS。
d.图像描述识别
（3）定位算法：基于滤波器的定位算法主要有KF、SEIF、PF、EKF、UKF等。
也可以使用单目视觉和里程计融合的方法。以里程计读数作为辅助信息,利用三角法计算特征点在当前机器人坐标系中的坐标位置,这里的三维坐标计算需要在延迟一个时间步的基础上进行。根据特征点在当前摄像头坐标系中的三维坐标以及它在地图中的世界坐标,来估计摄像头在世界坐标系中的位姿。这种降低了传感器成本,消除了里程计的累积误差,使得定位的结果更加精确。此外,相对于立体视觉中摄像机间的标定,这种方法只需对摄像机内参数进行标定,提高了系统的效率。
（4）定位算法基本过程：
简单的算法过程，可基于OpenCV进行简单实现。
输入
通过摄像头获取的视频流（主要为灰度图像，stereo VO中图像既可以是彩色的，也可以是灰度的 ），记录摄像头在t和t+1时刻获得的图像为It和It+1，相机的内参,通
3. 单目视觉测距
单目摄像头在自动驾驶视觉感知方面，主要用于识别红绿灯、车道线以及各类障碍物等。
双目摄像头在视觉感知识别方面，它包含单目摄像头全部识别功能。在定位测距方面，由于双目摄像头含有两颗摄像头，所以无需像单目摄像头那样与模型数据库样本比对后才能定位测距。
三目摄像头比双目摄像头功能更为强大，在视觉感知识别方面，它包含单、双目摄像头识别功能。而且由于三目摄像头比双目摄像头又多了一颗摄像头，所以在定位测距方面感知范围更大，也更为准确。但同时标定三个摄像头，需要投入的算力工作量更为巨大，当然成本也会更高。
4. 单目视觉定位原理
原理：单目传感器的工作原理是先识别后测距，首先通过图像匹配对图像进行识别，然后根据图像的大小和高度进一步估计障碍物和车辆移动时间。
特点：具有成本低、帧速率高、信息丰富、检测距离远等优点，但易受光照、气候等环境影响，缺乏目标距离等深度信息，对目标速度的测量也不够可靠。
5. 单目视觉测距原理
识别后测距，首先通过图像匹配对图像进行识别，然后根据图像的大小和高度进一步估计障碍物和车辆移动时间。
6. 双目视觉测量方法
结构光三维扫描仪的标定步骤:
一、分别对左相机、右相机的内参进行标定：采用平面标定法，根据畸变模型解算获得左相机、右相机的畸变矩阵M1L和M1R；
二、标定右相机相对于左相机的外参矩阵：同样采用平面标定法，将标定板摆放在双相机的公共视野范围内的不同位置获取多幅标定板图像，根据双目测量模型解算右相机相对于左相机的外参矩阵MR2L；
三、经过上述两个步骤左相机和右相机已经构成了双目测量系统，由步骤一中的畸变矩阵M1L和M1R和步骤二中的外参矩阵MR2L；
利用双目解算模型，使用手持式线结构光视觉三维扫描仪沿条纹方向对条纹平板进行扫描，由双目测量系统对条纹与线结构光交点进行提取和测量，获取n个结构光平面上的特征点坐标，计算得到平面参数A，B，D的数值，进而可以实现坐标的扫描测量。
7. 单目视觉测距精度
原理：单目传感器的工作原理是先识别后测距，首先通过图像匹配对图像进行识别，然后根据图像的大小和高度进一步估计障碍物和车辆移动时间。
特点：具有成本低、帧速率高、信息丰富、检测距离远等优点，但易受光照、气候等环境影响，缺乏目标距离等深度信息，对目标速度的测量也不够可靠。