立体视觉主要由特征点检测,相机标定,立体匹配,三维信息的获取以及后期处理五个部分组成。本文基于计算机立体视觉系统,对医用头套的交叉点检测与匹配,相机标定,获取点云并进行三角网格化进行研究。在特征点检测与匹配中,本文使用了 Shi-Tomasi算法在医用头套上进行检测交叉点。本文提出改进方法,使用该算法在不同尺度下进行检测交叉点并对交叉点进行区域再检测与进一步的定位。由于医用头套上的邻域相似,本文提出使用十种颜色对头套进行着色。通过交叉点对,极线约束以及交叉点颜色信息来进行交叉点匹配,最后使用RANSAC算法来去除匹配过程中的误匹配点,从而改善交叉点的匹配效果。在相机标定中,本文采用了综合传统标定和自标定优点的张正友平面模板标定法获得了双目摄像头的内外参数。本文使用四个相机对脑袋的左右部分分别进行拍摄,其中有一个为主相机,对该主相机与其它的三个相机进行双目标定,获取的内外参数为后面计算出三维点坐标信息提供了方便。在获取三维信息中,由医用头套上的匹配点计算出基础矩阵,再结合相机的内参数计算出本质矩阵,最后结合相机外参数获取相机的投影矩阵来计算出匹配交叉点的三维坐标。通过点云配准将左右脑袋的三维点分别统一到各自的主相机坐标系下,再把脑袋左右部分的点云都统一到一个相同的三维坐标系下。医用头套可近似看成一种三角网格,可对获取的点云进行三角网格化。本文对常规的点云Delaunay三角剖分法和Crust法进行了比较,Crust方法可以较好的完成三维点的三角网格化。