第1章双目视觉基础

1. 双目视觉基础：测距的起点

做机器视觉这些年，我接触过不少测距方案。结构光、TOF、激光雷达……各有各的脾气。但要说最贴近人类视觉的，还得是双目视觉。说白了，就是给机器装上两只“眼睛”，让它像我们一样判断距离。

这一章，我们先把地基打牢。双目测距的原理其实不复杂，但细节里藏着不少坑。我当年刚入行时，就因为在视差计算上栽过跟头，后来才明白——基础不牢，后面全是白搭。

想象一下，你用两只眼睛看一个物体。左眼和右眼看到的画面其实略有不同。这个差异，就是“视差”。大脑就是靠这个视差，来判断物体离你有多远。

双目相机模仿的就是这个过程。两个相机同时拍摄，得到左右两张图。然后找到同一个物体在两张图上的位置差异——也就是视差。视差越大，物体越近；视差越小，物体越远。

核心公式：

深度 Z = (f × B) / d

其中：

这个公式看着简单，但实际用起来，每个参数都有讲究。我见过不少新手，上来就套公式，结果测出来的距离偏差很大。为什么？因为公式里的 f 和 B 都是理想值，而实际相机总有误差。

视差和深度不是线性关系。这一点很重要。你想想看，物体离得近时，视差变化很敏感；离得远时，视差变化就迟钝了。

举个例子：

看到没？距离越远，视差变化对深度的影响越大。这意味着什么？意味着远距离测距时，视差计算必须非常精确。差一个像素，距离可能就差了几十甚至几百毫米。

我的经验： 做远距离测距时，我一般会建议用亚像素级别的视差计算。整像素级别的精度，远距离根本不够用。曾经有个项目，客户要求 10 米处误差小于 1%，我们硬是把视差精度做到了 0.1 像素级别。

三角测量法，说白了就是几何问题。两个相机和物体之间，构成了一个三角形。已知两个相机的位置和角度，就能算出物体的位置。

具体来说：

理想情况下，两条射线应该交于一点。但实际中，由于噪声和误差，它们往往不会完美相交。这时候就需要用最小二乘法来求最优解。

注意： 三角测量法对相机标定精度非常敏感。我曾经遇到过一个案例，标定参数差了 0.1 度，结果 5 米处的测距误差直接飙到了 20 厘米。所以，标定这一步千万别马虎。

要理解双目测距，必须先搞懂相机是怎么成像的。这里我简单讲一下针孔相机模型——这是最基础、最常用的模型。

针孔模型的核心思想：

数学上，这个映射关系可以写成：

s * [u, v, 1]^T = K * [R | t] * [X, Y, Z, 1]^T

其中：

这个公式看着有点吓人，但实际用起来，其实就是几个矩阵乘法。我习惯把内参理解为“相机自己的脾气”，外参理解为“相机在空间中的位置和朝向”。

内参矩阵 K 长这样：

K = [fx,  0, cx
      0,  fy, cy
      0,   0,  1]

fx, fy 是焦距（像素单位），cx, cy 是主点坐标。这些参数，都需要通过标定来获得。

这一章的内容，我画了个图帮你理一理。双目测距的整个知识链条，其实就这几块：

嗯，这张图基本把这一章的核心内容串起来了。从基本原理出发，到视差与深度的关系，再到三角测量法和相机模型——每一步都是后面章节的基础。

一个小建议： 刚开始学双目测距，别急着调算法。先把相机模型吃透，把标定做好。我见过太多人，算法调得飞起，结果发现是标定参数有问题——白忙活一场。

好了，这一章就到这里。记住，双目测距的核心就一句话：视差是桥梁，深度是目标。后面的章节，我们会一步步深入，看看怎么把这个桥梁搭得更稳、更准。