立体视觉中，如何提取图像中选定的点进行立体匹配？
立体视觉中，怎样提取左、右图像中特定的特征点进行立体匹配？如下图中抓手上的几个标识点，在匹配时如何只提取这几个标识点进行匹配
极线校正后的照片 形态学约束之后的结果
中心提取 三维扫描结果（标志点为红色标记） 通过标志点把两次双目拍照的点云拼接到一起 希望对你有帮助。
1. 用角点检测方法把左右图像特征点提取；如 HARRIS,Harris and M. Stephens (1988).「A combined corner and edge detector」
2. 根据立体视觉标定结果计算外极线，对于左图像上任一特征点，在右图像上利用极线约束进行搜索匹配。如果不想自己写，OpenCV有现成的类。
参考：极线约束（epipolar constraint）
三维空间中一点p，投影到两个不同的平面I1、I2，投影点分别为p1，p2。
p、p1、p2在三维空间内构成一个平面S。
S与面I1的交线L1过p1点，称之为对应于p2的极线。同理S与I2的交线称之为对应于p1
的极线（对应于左边图像点的极线在右边图像上，右边与之相同）。如图：
所谓极线约束就是说同一个点在两幅图像上的映射，已知左图映射点p1，那么右图映射点p2一
定在相对于p1的极线上，这样可以减少待匹配的点数量。
这种预设标志点建议用模板匹配，应该会比较好提取，右边那个看不全，可能你模板得就著可见性最差的那个选，或者用一大一小两个模板综合来看，这是连续大量图像的做法。这种贴标志点的办法多年前就被用来做三维测量了，可以参考的东西应该不少，标志点应该是不用旋转角度都一样，或者你换一种方形标志点来做（黑色方形、中间是个白色圆点，这种标志点在三维测量里面用得比较多）会规避掉旋转角度的问题。想来应该用不到上SIFT、SURF这种旋转、尺度不变性的特征提取匹配演算法（如果你有这两种演算法的现成代码应该也能用，但是有点儿高射炮打蚊子的感觉）。
如果你就一对儿两幅图，偷懒的办法是载入图像依次单击滑鼠把几个点的大概位置点出来，程序根据滑鼠位置取ROI来检测特征点。MATLAB的相机标定工具箱有类似的做法可以参考
标志点都提取出之后就是极线匹配那一套了，有答案说得很清楚。
题主说的立体匹配的意思是指算视差吗？
如果是手工控制可以指定坐标的吧，代码写死或者滑鼠点击的方式（可以参考网路上一些滑鼠事件的程序）
自动化批量处理，可以先提特征，匹配，再用匹配上的特征点直接计算视差，这样找到的点不一定是你要的那几个点。
还有如果你题目描述中给的带黑白圈的这张图就是你原始数据的话，可以找找有没有具有旋转不变性的模板匹配的方法，帮你在图中搜出这几个黑白圈的位置，再考虑匹配的问题。
我觉得两个思路吧，一个是两个相机中的标志点分别提取，再一个个对应过去，一个是再提取过程中用两幅图像互为参考，不断缩小提取范围，提高精度，两个都可以各有优劣。至于具体在图像中用什么特征，我觉得模板匹配就可以啊，这个比较简单，其他的也可以用颜色特征，显著性，二维直方图。。估计最好用的还是模板和颜色特征。啊，深度学习也可以，估计效果会不错
假设双目相机已经标定（参考极线约束理论）。分析了下这个图片，个人觉得第一步是对两幅图提取特征点（可以采用角点检测，然后根据点周围颜色、梯度特征等筛选出图中所示的特征点）;接下来就是在极线范围内搜索，对特征点进行匹配，计算视差;最后根据相机内参数计算每个特征点的距离。
推荐阅读：
