操作流程如下：
1.请配置好vs环境（此版本是vs2010+opencv2.4.3所写，具体配置自己查吧。http://blog.csdn.net/garfielder007/article/details/50197181）
2.运行界面如下图（很简陋）：
3.第一步点击采集棋盘图按钮，可以在本地电脑获得两个摄像头的数据。
4.有了图片后，点击立体标定便开始处理，获得标定所需的内外参数
5.点测距按钮便可以进行实时测距（不是每次都需要点击采集棋盘格按钮，如果图片了，直接就可以点击立体标定按钮）
6.代码里要说明的两点
a. opencv双目测距Dlg.cpp 里CvSize board_sz = cvSize( 8, 6);//此处8,6为你的棋盘格大小，我这边是8*6的大小，你需要需要按照自己的设置
b. opencv双目测距Dlg.cpp 里 const float squareSize = 2.5f; //此处为你的棋盘格上一个格子的实际大小，拿个尺子量一下，我这边是2.5cm
7.后续我再详细介绍吧！
源码链接：http://pan.baidu.com/s/1kVLXrzp
- 参考资料：
(1)《学习OpenCV》第11章，12章
(2)opencv官网：http://wiki.opencv.org.cn
(3)邹宇华CSDN博客http://blog.csdn.net/chenyusiyuan?viewmode=contents
- 流程：
- 获取立体标定用图像：
- 程序打开左右摄像头，开始实时采集图像
- 放置好棋盘格图像于俩摄像头之前，注意棋盘图像尽量平行于俩摄像头，并进行左右平移移动，或者前后移动，要保证整个棋盘在两个摄像头的共同视场范围之内。
- 程序会对采集到的一对图像进行有效性判断，若判断结果为有效才保存图像。（当左右两幅图像同时能检测到全部角点视为有效）
- 程序在保存完一定对数的图像后会关闭摄像头，立体标定用图像采集完毕。
（2）立体标定：
a.读入保存好的立体标定图像
b.用立体标定函数cvStereoCalibrate(const cvMat *objectPoints,
const CvMat *imagePoints1,
const CvMat *imagePoints2,
const CVMat *npoints,
CvMat *cameraMatrix1,
CvMat *distCoeffs1,
CvMat *cameraMatrix2,
CvMat *distCoeffs2,
CvMat imageSize,
CvMat R,
CvMat T,
CvMat E,
CvMat F,
CvTermCriteria termcrit
int flags=CV_CALIB_FIX_INTRINSIC
);
来获取立体标定参数：
第一个摄像头的内参数矩阵cameraMatrix1,畸变参数distCoeffs1
第二个摄像头的内参数矩阵cameraMatrix2,畸变系数distCoeffs2
联系左右摄像机的旋转矩阵R，和平移向量T
c. 调用立体校正函数cvSteroRectify(
const CvMat *cameraMatrix1,
const CvMat *cameraMatrix2,
const CvMat *distCoeffs1,
const CvMat *distCoeffs2,
const CvMat *imageSize,
const CvMat *R
const CvMat *T
CvMat *Rl
CvMat *Rr
CvMat *pl
CvMat *pr
CvMat *Q
int flags=CV_CALIB_ZERO_DISPARITY
);
对于这个函数来说，输入的是前面立体标定函数得到的第一个摄像头的内参数矩阵cameraMatrix1,畸变参数distCoeffs1,第二个摄像头的内参数矩阵cameraMatrix2,畸变系数distCoeffs2，棋盘图像大小imageSize,联系左右摄像头的旋转矩阵R和平移矩阵T，返回的是校正后的左右摄像机旋转矩阵Rl和Rr,3×4的左右投影方程Pl和pr,还有一个Q矩阵
- 调用校正映射函数cvInitUndistortRectifyMap(const CvMat *M,
const CvMat *distCoeffs,
const CvMat *Rrect,
const CvMat *Mrect,
CvArr* mapx,
CvArr* mapy);
这个函数被调用两次，左右摄像头各调用一次,具体输入参数为上面立体校正函数所得到的参数
对于左摄像头调用，该函数为：
cvInitUndistortRectifyMap(const CvMat *cameraMatrix1
const CvMat *distCoeffs1,
const CvMat *Rl,
const CvMat *pl,
CvArr* mapx1,
CvArr* mapy1);
输入参数是3×3的左摄像机内参数矩阵cameraMatrix1，左摄像机畸变参数distCoeffs1，校正后的左摄像机矩阵Rl, 3×4的左右投影方程Pl，输出为左摄像头的x,y方向的映射关系矩阵mapx1,mapy1
对于右摄像头调用，该函数为：
cvInitUndistortRectifyMap(const CvMat *cameraMatrix2
const CvMat *distCoeffs2,
const CvMat *Rr,
const CvMat *pr,
CvArr* mapx2,
CvArr* mapy2);
输入参数是3×3的左摄像机内参数矩阵cameraMatrix2，左摄像机畸变参数distCoeffs2，校正后的左摄像机矩阵Rr, 3×4的左右投影方程Pr，输出为左摄像头的x,y方向的映射关系矩阵mapx2,mapy2
保存好Q,mapx1,mapy1,mapx2,mapy2这5个参数矩阵，供下面的匹配测距使用
（3）匹配测距
a.读入5个参数Q,mapx1,mapy1,mapx2,mapy2这5个参数矩阵
b.打开左右摄像头
c.在双摄像头前放好标记物体，这里为4×3棋盘格的图像
d.获取一对左右图像
e.对左右图像进行校正，利用cvRemp()函数，这里需要用到读入的mapx1,mapy1对左图像进行校正，用读入到的mapx2,mapy2对右图像进行校正
f.显示校正后的左右图像
g.对左右图像进行角点检测，若能成功检测出所有角点，这里是12个角点，则分别计算左右图像上对应角点所对应的实际空间坐标，获得z值，这里可以用下面公式进行计算：
这里Q为读入的Q矩阵，x,y为左图像上角点坐标，d为左图像上角点坐标x的值与它所对应的右图像上的角点坐标xr值的差，那么该对角点所对应的点的三维坐标就是（X/W,Y/W,Z/W）,那么Z/W，就是我们关心的距离
把这些点的距离值做一个平均值来作为标记物体离双摄像头的距离
完成后继续获取一帧图像做重复处理
h.若左右图像未能检测到所有角点，就继续获取下一帧图像，
补充：
我的程序在三个工作空间中，“c做图像提供并判断”，“c做立体标定”，“c做实时测距”，该三部分程序是用VS2010+opencv2.4.4来实现的
在第一个文件夹中“c做图像提供并判断”，程序运行后的标定图像保存在”E：\立体标定图像”文件夹中，图像路径保存在“E:\立体标定图路径.txt“文本中
在第二个文件夹中，“c做立体标定“，记得结合具体棋盘标定物体设置
图中squareSize的值，该值为棋盘图像中一小格的大小，这里用的一小格为2.5cm,所以squareSize的值为2.5f
该程序中的输出参数保存路径为”E:\输出参数文本.txt”
最终的实时测距效果图如下：