立体视觉是计算机视觉领域的重要研究课题,它的目的在于重构场景的三维信息,使机器具备视觉感知能力。立体视觉技术已经应用在各行各业,如机器人导航、无人驾驶等。在这些立体视觉技术中,最常用的便是双目立体视觉技术与结构光技术。双目立体视觉技术利用两个相机同时获取被测物体的两幅图像,通过计算图像对应点间的位置偏差来获取物体的三维信息。结构光技术利用投射调制过的图案到被测物体,通过相机获取被测物体的图像,而后基于三角测量原理得到深度信息。目前,二维视觉领域被深度学习统治,立体视觉领域虽仍以基于几何的方法为主,但目前出现了许多优秀的基于深度学习的立体视觉技术。因此,本文便梳理了目前基于深度学习的双目立体视觉技术以及结构光技术,调查了目前比较优秀的文章,为后续研究提供指导。论文首先介绍了双目立体视觉方法以及结构光方法的基础原理。随后论文重点介绍了基于深度学习的双目立体视觉技术的重要模块,包括特征提取,特征匹配,代价聚合,视差预测及其精细化。对于每个网络模块,论文都详细综述了近些年来的各文章的处理方法,找到了它们在处理时的异同点,分析了它们的内在原理,并评价了它们对各模块的改进之处。随后,论文介绍了结构光技术的两种方法,一种是基于随机森林方法的结构光技术,另一种是基于深度学习的结构光技术。