一、双目标定概述：什么是双目标定、为什么需要双目标定、双目标定的应用场景
大家好，我是你们的老朋友。今天咱们正式开始聊双目标定。
说实话，我第一次接触双目标定的时候，心里也犯嘀咕：这不就是两个相机拍同一个东西吗？有什么难的？后来真正上手做项目，才发现这里面的门道比我想象的多得多。嗯，咱们今天就先把基础打牢。
1.1 什么是双目标定？
双目标定，说白了就是给两个相机做「校准」。
你想想看，两个相机放在一起，它们的镜头、传感器、安装位置都不可能完全一样。哪怕你买的是同一批次的工业相机，装在同一块铝板上，拍出来的两张图也肯定有偏差。
双目标定要解决的核心问题就是：找到两个相机之间的几何关系。
具体来说，它包含两个部分：
- 内参标定：每个相机自己的焦距、光心、畸变参数。这个单目相机也要做。
- 外参标定：两个相机之间的旋转矩阵 R 和平移向量 T。这是双目标定独有的。
我习惯把内参比作「一个人的视力」，外参比作「两个人的相对站位」。只有把这两样都搞清楚，才能让两个相机「协同工作」。
核心公式（简化版）：
左相机坐标系下的点 PL，通过 R 和 T 变换到右相机坐标系：
P_R = R * P_L + T这个 R 和 T，就是双目标定的最终输出。
1.2 为什么需要双目标定？
你可能会问：单目相机也能做很多事，为什么非要两个？
原因很简单：单目相机没有深度信息。
单目相机拍一张照片，你只知道物体在图像上的位置，但不知道它离你有多远。就像你闭上一只眼睛，很难判断远处物体的距离一样。
双目相机就不一样了。两个相机从不同角度拍同一个物体，利用「视差」就能算出深度。这个原理跟人眼一模一样。
我在项目中遇到过一件事：有个客户想用单目相机做测距，结果发现精度完全不够。后来换成双目方案，标定做好之后，测距误差直接降到了毫米级。嗯，这就是双目标定的价值。
我的经验：双目标定做得好不好，直接决定了后续所有算法的上限。标定误差 0.1 个像素，到了 3D 重建阶段可能就变成几厘米的偏差。所以，别嫌标定麻烦，这是最值得花时间的一步。
1.3 双目标定的应用场景
双目标定的应用场景，说白了就是三个方向：3D 重建、测距、自动驾驶。咱们一个一个说。
1.3.1 3D 重建
3D 重建是双目标定最经典的应用。两个相机拍同一个场景，通过匹配左右图像上的对应点，就能算出每个点的三维坐标。
我记得有一次做文物数字化项目，用双目相机扫描一尊佛像。标定花了整整一天，但重建出来的模型精度非常高，连佛像衣纹的褶皱都清晰可见。那一刻我觉得，所有的辛苦都值了。
3D 重建的典型流程：
- 双目标定（获取 R、T、内参）
- 立体校正（让左右图像行对齐）
- 立体匹配（找对应点）
- 三角测量（算深度）
- 点云生成
1.3.2 测距
测距是双目标定最直接的应用。你只需要知道物体在左右图像上的像素坐标差（视差），结合标定参数，就能算出距离。
公式很简单：
深度 Z = (焦距 f * 基线长度 B) / 视差 d这里有个坑：基线长度 B 越大，测距精度越高，但两个相机的共同视野会变小。我刚开始做的时候，为了追求精度把基线拉得很长，结果发现很多物体只能被一个相机看到，根本没法匹配。后来我学乖了，基线长度一般控制在 10-30 厘米，具体看应用场景。
避坑指南：我曾经在户外做测距实验，阳光太强导致图像过曝，标定板上的角点都检测不到。后来我换了哑光材质的标定板，问题才解决。所以，标定环境的光照条件一定要控制好。
1.3.3 自动驾驶
自动驾驶是双目标定最火的应用。车载双目相机用来检测障碍物、估算距离、识别车道线。
你想想看，一辆自动驾驶汽车在路上跑，它需要知道前面那辆车离自己有多远，路边的行人会不会突然冲出来。单目相机做不到这一点，但双目相机可以。
自动驾驶对双目标定的要求特别高：
- 实时性：标定参数要能快速加载，不能拖慢系统
- 鲁棒性：车辆震动、温度变化都不能影响标定精度
- 自标定：很多车载系统支持在线自标定，跑着跑着就能自动修正参数
我在做车载项目时，最头疼的就是温度变化。夏天暴晒后，相机外壳热胀冷缩，内参都变了。后来我们加了温度补偿算法，才把这个问题解决。
1.4 本章知识体系
下面这张图，是我自己画的，帮你理清双目标定的知识脉络：
这张图把双目标定的核心脉络串起来了。你从「什么是双目标定」出发，理解内参和外参；再理解「为什么需要」——因为单目没有深度；最后看「应用场景」——3D重建、测距、自动驾驶，每个场景都离不开标定参数。
好了，这一章就到这里。双目标定的概念和意义，咱们已经讲清楚了。下一章，我会带你手把手做标定，从棋盘格制作到参数提取，每一步都讲透。