使用opencv中BM算法实现对三对双目图像的立体匹配，对比得到的视差图与ground truth的差异；

首先，需要通过双目摄像头获取到三对双目图像，即左右两张图像。然后，通过BM算法进行立体匹配，得到视差图。

以下是一个简单的实现步骤：

1. 导入必要的库和模块。

import cv2
import numpy as np

2. 读取左右两张图像。

imgL = cv2.imread("left.png", cv2.IMREAD_GRAYSCALE)
imgR = cv2.imread("right.png", cv2.IMREAD_GRAYSCALE)

3. 定义BM算法对象并设置参数。

stereo = cv2.StereoBM_create(numDisparities=64, blockSize=15)

其中，`numDisparities` 表示最大视差值，`blockSize` 表示匹配块的大小。

4. 进行立体匹配。

disparity = stereo.compute(imgL, imgR)

5. 读取ground truth的视差图。

gt = cv2.imread("gt.png", cv2.IMREAD_GRAYSCALE)

6. 计算差异并输出结果。

diff = cv2.absdiff(disparity, gt)
diff_mean = np.mean(diff)
print("Mean difference: ", diff_mean)

以上代码中，`absdiff` 函数用于计算两个图像的差异，`mean` 函数用于计算差异的平均值。

需要注意的是，三对双目图像的获取、ground truth的视差图的获取以及参数的设置都会影响最终的匹配质量和差异结果。因此，需要根据实际情况进行调整。