我們知道，雙目立體測距的基礎是利用視差求距離，而視差就是計算左右圖像中對應點的像素座標之差，這個左右圖中的對應點是由通過立體匹配得來。
立體匹配從大的方面說分爲兩種，全局匹配和局部匹配，全局匹配精度高，但是計算速度慢，不能滿足實時的要求，局部匹配速度快，可以滿足實時的要求，但是精度不如前者，考慮到項目實際，需要實時的判斷機器人與環境的關係，就重點研究局部匹配。局部匹配又分爲基於區域的匹配，基於特徵的匹配以及基於梯度的優化方法。綜合比較，選擇基於特徵的匹配。
基於特徵的匹配分爲特徵點提取和匹配兩個步驟，本篇主要針對特徵點提取三種方法進行比較，分別是SIFT，SURF以及ORB三種方法，這三種方法在OpenCV裏面都已實現。SURF基本就是SIFT的全面升級版，有 SURF基本就不用考慮SIFT，而ORB的強點在於計算時間，以下具體比較：
計算速度： ORB>>SURF>>SIFT（各差一個量級）
旋轉魯棒性： SURF>ORB~SIFT（表示差不多）
模糊魯棒性： SURF>ORB~SIFT
尺度變換魯棒性： SURF>SIFT>ORB（ORB並不具備尺度變換性）
所以結論就是，如果對計算實時性要求非常高，可選用ORB算法，但基本要保證正對拍攝；如果對實行性要求稍高，可以選擇SURF；基本不用SIFT。