立体视觉（Stereoscopic Vision）是指通过双眼视差感知深度信息的三维视觉能力，其本质是利用左右眼因位置差异获取的微小视角差别，经大脑融合处理后形成立体空间感知。这种生物视觉机制在计算机视觉领域被复现为立体视觉技术，通过双摄像头模拟人眼间距获取图像对，再经过立体匹配算法计算视差图，最终重构出场景的三维几何信息。立体视觉的核心在于解决对应点匹配问题，即在两幅图像中准确找到同一空间点的投影位置。
在具身智能产品开发中，立体视觉为机器人导航、物体抓取、避障等任务提供了至关重要的深度感知能力。相较于激光雷达等主动传感方案，基于视觉的方案具有成本低、数据丰富、易于与现有视觉系统整合的优势。当前技术挑战主要集中于弱纹理区域匹配、实时性优化以及动态场景处理，而深度学习与立体视觉的结合正逐渐突破传统算法的性能边界。值得关注的是，消费级VR设备中的inside-out定位追踪，正是立体视觉技术落地的典型范例。