一、双目视觉概述

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」。

我们人类用两只眼睛看世界，能判断距离、感知深度。双目视觉模仿的就是这个原理。它用两台相机从不同角度拍摄同一场景，然后通过计算两幅图像之间的差异，来获取物体的三维信息。

我刚开始接触这个领域时，觉得这玩意儿挺神奇的。两台相机一拍，深度信息就出来了？后来自己动手搭了一套系统才发现，原理其实不复杂，但工程实现上坑不少。

双目视觉的核心，就是模拟人眼的立体视觉机制。人眼之所以能感知深度，是因为左右眼看到的图像存在「视差」——同一物体在左右视网膜上的位置略有不同。大脑处理这个差异，就产生了立体感。

机器也一样。左右相机拍到的图像，通过算法找到对应点，计算视差，再结合相机参数，就能还原出物体的三维坐标。

双目视觉的工作原理

嗯，这里我尽量讲得通俗些。你想想看，双目视觉的工作流程其实就几步：

1. 图像采集——左右相机同步拍摄，获取两幅图像
2. 相机标定——确定相机的内参（焦距、畸变系数等）和外参（两个相机的相对位置关系）
3. 立体校正——把左右图像调整到同一平面上，让对应点在同一行上，方便后续匹配
4. 立体匹配——在左右图像中找到对应的像素点，计算视差
5. 深度计算——根据视差和相机参数，算出每个点的深度值
6. 三维重建——生成点云或深度图，还原场景的三维结构

我在项目中遇到过最头疼的环节就是立体匹配。光照变化、纹理缺失、重复纹理，都会导致匹配出错。后来我总结了一条经验：匹配算法的鲁棒性，直接决定了整个系统的上限。

这里有个关键公式，我建议你记一下：

深度 Z = (基线距 B × 焦距 f) / 视差 d

公式很简单，但信息量很大。你看，深度 Z 和视差 d 成反比。视差越大，物体越近；视差越小，物体越远。而基线距 B 和焦距 f 是固定参数，决定了系统的测量范围。

双目视觉的应用领域

双目视觉的应用场景，说实话比我想象的广得多。我这些年接触过的项目，覆盖了下面这些领域：

领域	典型应用	我的体会
机器人导航	避障、SLAM、抓取定位	室内场景效果不错，户外光照变化大时容易翻车
工业检测	尺寸测量、缺陷检测、定位引导	精度要求高时，标定环节得下功夫
自动驾驶	障碍物检测、车道线识别	对实时性要求极高，算法得做轻量化
安防监控	人员计数、行为分析	大场景下多相机协同是个难点
医疗影像	内窥镜三维重建、手术导航	精度和安全性是第一位的
消费电子	人脸识别、手势控制、AR/VR	小型化、低功耗是趋势

拿工业检测来说，我做过一个项目，用双目视觉测量汽车零部件的尺寸。精度要求是0.1mm，听起来不难对吧？但实际做起来，相机标定、镜头畸变校正、环境光照控制，每一步都得出问题。最后折腾了两个月才稳定下来。

其实，双目视觉最大的优势在于成本低、结构简单。相比激光雷达、结构光这些方案，双目只需要两个普通相机，硬件成本可以做到很低。但代价是计算量大，对光照和纹理敏感。

我个人习惯是，在项目初期先评估场景特点。如果场景纹理丰富、光照可控，双目视觉绝对是首选。如果场景纹理稀疏或者光照变化剧烈，那可能得考虑其他方案，或者给双目系统加辅助光源。

下面这张图，是我整理的双目视觉知识体系。你可以快速了解整个章节的核心逻辑：

你看这张图，从左到右分别是「什么是双目视觉」、「工作原理」、「应用领域」。三者之间是递进关系——先理解概念，再掌握原理，最后知道怎么用。

我个人觉得，学双目视觉最忌讳的就是一上来就调代码。先把这些基础概念吃透，后面遇到问题才知道从哪个方向去排查。

---

公众号:蓝海资料掘金营，微信deep3321