一、双目视觉概述
1.1 什么是双目视觉
双目视觉，说白了就是给机器装上两只「眼睛」。
人用两只眼睛看世界，大脑通过左右眼看到的微小差异——我们称之为「视差」——来判断物体的远近。双目视觉模仿的就是这个原理。两个摄像头同时拍摄同一场景，通过计算两幅图像中对应点的位置差异，就能推算出物体的三维坐标。
我刚开始接触这个领域时，总觉得这玩意儿很玄乎。后来自己搭了一套双目系统，看到点云图在屏幕上一点点浮现出来，才真正理解——这不就是给计算机装上了深度感知能力吗？
核心公式（视差与深度关系）：
深度 Z = (焦距 f × 基线距离 B) / 视差 d其中：
- f：相机焦距（像素单位）
- B：左右相机光心之间的距离
- d：同一物点在左右图像中的像素差
嗯，这里要注意：基线距离越大，测距精度越高，但视野重叠区域会变小。这是个典型的工程权衡问题。
1.2 双目视觉的应用领域
双目视觉的应用场景，我归纳为三大块：
3D重建
把二维图像还原成三维模型。我在做文物数字化项目时用过这个技术。两个相机对着雕塑转一圈，回来就能生成高精度的三维网格模型。说白了，就是用像素换点云。
- 工业检测：零件表面缺陷的三维检测
- 医疗影像：内窥镜下的三维重建
- AR/VR：真实场景的数字化映射
测距
这是双目视觉最直接的应用。为什么不用激光雷达？成本啊！一套工业级双目系统，几百块就能搞定，激光雷达动辄上万。
我曾经在AGV（自动导引车）项目里用双目做避障。说实话，精度不如激光雷达，但胜在便宜、功耗低、还能获取纹理信息。你想想看，激光雷达只能告诉你「前面有障碍物」，双目还能告诉你「那是个纸箱还是个人」。
| 方案 | 精度 | 成本 | 适用场景 |
|---|---|---|---|
| 双目视觉 | 厘米级 | 低 | 室内、中短距离 |
| 激光雷达 | 毫米级 | 高 | 室外、长距离 |
| 结构光 | 亚毫米级 | 中 | 近距离、静态场景 |
SLAM（同步定位与地图构建）
机器人一边移动，一边用双目相机给自己定位，同时构建周围环境的地图。这个领域我踩过不少坑。
我记得有一次，机器人在纹理稀疏的白色走廊里跑，双目匹配直接崩了——左右眼看到的全是白墙，根本找不到特征点。后来加了IMU做融合，才算稳住。
个人经验：双目SLAM在纹理丰富的环境中表现极佳，但在弱纹理、重复纹理场景下，一定要配合其他传感器（IMU、轮式里程计）做多传感器融合。
1.3 课程目标与学习路径
这门课的目标很明确：让你从零搭建一套可用的双目视觉同步触发系统。
不是纸上谈兵，是真正能跑起来、能出点云、能测距的那种。
学习路径我建议这样走：
- 硬件基础：相机选型、镜头匹配、同步触发电路设计
- 标定技术：单目标定、双目标定、畸变校正
- 立体匹配：SGBM、BM算法、视差优化
- 深度计算：三角测量、点云生成
- 系统集成：FPGA/ARM实现、实时性优化
我个人习惯是：先跑通一个最小系统，再逐步优化。别一上来就想搞高精度、高帧率，先让两个相机能同步拍到同一帧再说。
避坑指南：我曾经因为忽略同步触发，导致左右图像存在毫秒级的时间差。移动物体拍出来全是重影，视差图一塌糊涂。同步触发，是双目系统的命门。
1.4 知识体系总览
下面这张图，是我梳理的双目视觉知识体系。你可以把它当作整个课程的地图：
这张图把整个课程串起来了。从硬件到算法，从同步到集成，最终落到实际应用。你跟着这个路径走，不会迷路。
好了，第一章就到这里。记住一句话：双目视觉的核心，不是算法有多炫，而是系统能不能稳定、同步地工作。后面的章节，我会带你一步步把每个环节吃透。
公众号:蓝海资料掘金营，微信deep3321