焊接机器人立体匹配就是找对应点问题，即在一副图像中给定一点，在另一副图像中寻找对应点，使得两点为空间同一物体的投影，立体匹配之所以成为难点的原因是寻找对应点时可能存在多个候选点，怎样缩小匹配点搜索范围和减少候选点集合成为立体匹配首先解决的问题，本文对立体匹配算法研究的出发点也在于此。
立体匹配的主要研究内容
立体匹配主要研究包括:匹配基元的选取、匹配约束准则的确定、匹配策略的构建，因此对立体匹配算法的研究也是围绕这几个方面进行的。
匹配基元的选取
匹配基元是指图像中完成立体匹配时选择的图像特征基元。由于多种因素的影响，要使图像中所有的像素点完成无歧义的立体匹配基本上是不可能的，因此研究立体匹配算法时首先应该根据不同的环境选择不同的匹配基元，为了使图像中更多的像素能够实现立体匹配，选择能代表图像属性的特征作为匹配基元。
目前，经常使用的匹配基元主要有:点基元、线基元、区域基元。其中点基元是最基本的匹配基元，它是图像中具有特征的像素点，数量最多，匹配精度最高，定位最为准确，但是由于点基元所含的信息较少，匹配时约束条件较苛刻，数量较大，因此基于特征点的立体匹配算法时间复杂度大。而线基元和区域基元所含图像的信息丰富，数量较少，因此立体匹配时间复杂度较低，算法的效率较高，但是对线基元和区域基元的特征提取比较复杂，定位精度差。
对于不同的对象选择匹配基元有一定的策略和方法，对于一些不规则的物体例如:木块的自然断口，山体的表面，不规则的焊缝等难以定位线基元和区域基元，需要选择特征点作为匹配基元。而对于一些具有规则形状的物体例如:具有明显棱角的书本、焊接块、桌子等，可以选择线基元和区域基元。
匹配约束准则的确定
焊接机器人为了实现无歧义的立体匹配，需要将图像处理领域一些固有的特性作为匹配约束准则，根据匹配约束准则进行立体匹配时可以排除大量可能的匹配对象，不仅能够大大提高立体匹配的效率而且可以提高算法的准确度。M}提出的唯一性约束、相似性约束、连续性约束被认为是最经典和最基本的约束准则，除此之外根据对象和环境的不同还有一些其它常用的约束准则，主要包括:
(1)唯一性约束:进行立体匹配时，左图像中的匹配基元在右图像中有且仅有一个匹配基元与之对应，即每个匹配基元仅有唯一的视差。当在目标对象自身发生遮挡等特殊情况下，对象物体上可能有多个点在一副图像中发生重合，但在另一副图像中必然是一一分开的，因此经过立体匹配和三维重建后能够在三维空间中将这些点分离出来。
(2)连续性约束:左图像中相邻的两个特征点在右图像中的匹配点也是相邻的，即图像在立体匹配时视差是连续的。
(3)相似性约束:同一场景下立体匹配图像对的匹配基元具有相似性，包括几何特性相似(长度、轮廓、宽度等)和特征相似(纹理、颜色等)。通常情况下可以根据相似性度量方法判断两个匹配基元是否相似，而相似性度量方法包括:距离测度方法、相关测度方法、概率测度方法等。
(4)视差范围约束:立体匹配时根据目标对象以及实际的场景可以设定一个视差的闽值，在寻找匹配基元的匹配对时，根据这个闽值减少搜索的范围，提高搜索的准确性和效率。
(5)顺序约束:对表面深度相似的目标物体立体匹配时，左图像中的匹配基元与右图像中的对应匹配基元以相同的方向沿着极线顺序排列。
(6)视差梯度范围约束:同人类的双目视差一样，人类由于生理机能的限制，观察空间图像视差梯度有一定的闽值限制，当匹配点对的视差超过这个闽值时可以认为是误匹配点。
(7)互对应约束:以左图像为参考图像，对于左图像中的待匹配点PL，其在右图像中找到的对应点为PR;同理以右图像为参考图像，对于右图像中的待匹配点PR，其在左图像找到的对应点也应该为PL，否则可以认为(PL，PR)是误匹配对。