1. 双目视觉基础：从人眼立体视觉到计算机模拟
大家好，我是你们这门课的主讲。今天咱们聊聊双目测距最根本的东西——人眼是怎么看世界的，计算机又是怎么模仿的。
说实话，我第一次接触双目视觉时，觉得这东西特别玄乎。两个摄像头一摆，就能算出距离？后来自己动手搭了一套，才发现核心原理其实特别朴素——就是咱们天天都在用的「三角测量法」。
1.1 人眼立体视觉：大自然给的灵感
先说说我们自己的眼睛。你想想看，为什么闭上一只眼，抓东西就不太准了？
因为人有两只眼睛，它们之间有大约6-7厘米的距离，这个距离叫「基线」。两只眼睛从不同角度观察同一个物体，看到的图像是有差异的——这就是「视差」。大脑把这两幅略有差异的图像融合起来，就能判断出物体的远近。
我做过一个有趣的实验：让受试者单眼看一个杯子，然后伸手去拿。结果大部分人第一次都抓空了，偏差大概在5-10厘米。这就是失去立体视觉后的真实表现。
核心概念：视差是立体视觉的基石。两只眼睛看到的图像差异越大，物体离你越近；差异越小，物体越远。
1.2 计算机怎么模拟人眼？
计算机双目视觉，说白了就是给机器装上两只「电子眼」——两个摄像头。它们模仿人眼的位置关系，拍摄同一场景的两张图片。
但这里有个坑：人眼可以自动调节焦距、自动对准，摄像头可不会。所以我们需要做很多预处理工作。
我曾经在一个项目中，直接把两个工业相机固定在铝型材上就开始测距。结果发现测出来的距离忽远忽近，误差大到离谱。后来才意识到——两个相机必须严格平行，光轴要共面，否则三角测量的前提就不成立了。
个人经验：搭建双目系统时，两个摄像头的安装精度直接影响测距精度。我建议用高精度机械夹具固定，误差控制在0.1毫米以内。
1.3 三角测量法：核心原理
好了，咱们进入正题。双目测距的核心就是三角测量法。原理其实很简单：
假设左眼看到物体在位置 P_left，右眼看到它在位置 P_right。这两个位置在图像上的差异就是视差 d。然后利用相似三角形，就能算出距离 Z。
公式长这样：
Z = (f * B) / d其中：
- Z：物体到相机的距离（深度）
- f：相机焦距（单位：像素）
- B：基线长度（两个相机光心之间的距离）
- d：视差（左图坐标 - 右图坐标）
你可能会问：为什么是除法？其实很好理解——视差越大，距离越近。反过来，物体越远，视差越小。当物体无限远时，视差趋近于0。
注意：这个公式成立的前提是：两个相机完全平行，且光轴共面。实际工程中几乎不可能做到完美，所以还需要做立体校正。
1.4 知识体系总览
为了让你对整个章节有个整体认识，我画了一张图。这张图展示了双目测距从原理到实现的完整链路：
1.5 一个简单的例子帮你理解
假设你站在一条笔直的公路上，左右各有一棵树。你闭上一只眼，用另一只眼看——两棵树好像重叠了。但睁开双眼再看，它们分开了。这个「分开的程度」就是视差。
在计算机里，我们做的事情一模一样：
- 左摄像头拍一张图，右摄像头拍一张图
- 找到左图中某个点（比如树尖）在右图中的对应位置
- 计算两个位置的像素差——这就是视差
- 代入公式算出距离
听起来简单吧？但实际做起来，第二步「找到对应位置」是最难的。我当年做第一个双目项目时，花了整整两周时间调立体匹配算法，结果还是匹配错了。后来才发现是相机标定没做好，图像畸变导致匹配点偏移了十几个像素。
避坑指南：我曾经因为相机标定板打印不平整，导致标定结果偏差很大。后来改用玻璃基板的标定板，精度直接提升了一个数量级。标定这一步，千万别省。
1.6 精度影响因素
最后聊聊精度。很多同学问我：双目测距到底能精确到什么程度？
这取决于三个因素：
| 因素 | 影响方式 | 我的建议 |
|---|---|---|
| 基线长度 B | 基线越长，远距离精度越高 | 根据测距范围选择，一般10-30cm |
| 相机分辨率 | 分辨率越高，视差计算越精细 | 至少1280×720，推荐1920×1080 |
| 标定精度 | 标定误差会直接传递到测距结果 | 重投影误差控制在0.1像素以内 |
说白了，精度是系统工程。不是某一个环节做得好就行，而是每个环节都不能掉链子。我见过有人花大价钱买了高分辨率相机，结果随便用手机拍了几张标定板图片就完事了——那精度肯定上不去。
嗯，这一章的内容就到这里。核心就是记住：双目测距的本质是三角测量，而三角测量的前提是精确的相机标定和立体匹配。后面的章节，我们会一步步把这些环节拆开来讲。