一、双目立体视觉基础：从原理到实战
各位工程师朋友，大家好。我是老张，在机器视觉这行摸爬滚打了十几年。今天咱们聊聊双目立体视觉的基础。说实话，这玩意儿看着高大上，但核心原理其实特别朴素——就是模仿人眼看世界的方式。
你想想看，我们两只眼睛为什么长在脑袋前面，而不是一左一右？因为有了视差，我们才能判断距离。双目相机也是这个道理。
1.1 双目成像原理：三角测量法
三角测量法，说白了就是解三角形。我给大家拆解一下：
- 两个相机：左右各一个，光轴平行，间距固定（这个间距叫基线，记作 B）
- 一个目标点：空间中的 P 点
- 两个成像点：P 在左相机成像为 P_left，在右相机成像为 P_right
嗯，这里要注意：P_left 和 P_right 在图像上的位置是不一样的。这个差异，就是我们说的视差。
核心公式：
深度 Z = (f × B) / d
其中：f 是焦距，B 是基线长度，d 是视差
我在项目中遇到过一件事：有次客户说他们的深度测量总是不准。我过去一看，好家伙，基线 B 标定错了5毫米。你想想看，B 错了，整个深度值就全偏了。所以啊，硬件参数一定要反复确认。
1.2 视差与深度的关系
视差和深度是什么关系？反比关系。我给大家画个图就明白了：
从图上可以直观看到：物体离得近，左右成像位置差异大（视差大）；物体离得远，差异小（视差小）。这个关系是反比的，不是线性的。
实战经验：
我个人习惯在标定完成后，先拍一张已知距离的标定板，验证一下深度值。这一步花不了几分钟，但能避免后面大量返工。
1.3 极线几何与对极约束
极线几何，这个名字听着唬人，其实核心就一句话：左图上的一个点，在右图上对应的点一定在某一条直线上。这条线就叫极线。
为什么会这样？因为两个相机的位置是固定的，空间点、左相机光心、右相机光心，这三个点构成一个平面（极平面）。这个平面与右相机成像面的交线，就是极线。
这个约束有什么用？太有用了！
- 搜索降维：本来要在整张图上找匹配点，现在只需要沿着一条线找
- 误匹配减少：不在极线上的点，直接排除
- 计算加速：我做过测试，用极线约束后匹配速度能提升5-10倍
避坑指南：
我曾经在一个项目中，因为相机安装时没有严格平行，导致极线是斜的。当时没注意，直接用水平极线去搜，结果匹配率不到60%。后来重新做了立体校正，匹配率才回到95%以上。
所以，立体校正这一步千万别省！
1.4 基础矩阵与本质矩阵
这两个矩阵，是极线几何的数学表达。我给大家理清楚：
| 矩阵 | 含义 | 适用场景 |
|---|---|---|
| 基础矩阵 F | 描述左右图像像素坐标之间的极线关系 | 未标定的相机（像素坐标） |
| 本质矩阵 E | 描述左右相机在归一化坐标系下的几何关系 | 已标定的相机（相机坐标系） |
说白了，基础矩阵 F 是本质矩阵 E 的"升级版"——E 只考虑相机之间的旋转和平移，F 还包含了相机内参。
我记得有一次做三维重建，用 8 点法算基础矩阵，结果怎么算都不对。后来发现是特征点提取时，有一个点的坐标写反了。嗯，这种低级错误，排查起来最费时间。
核心关系：
E = K^T × F × K
其中 K 是相机内参矩阵
F = K^(-T) × E × K^(-1)
1.5 实战中的注意事项
讲了这么多理论，最后给大家总结几条实战经验：
- 基线选择：基线越长，深度精度越高，但视野重叠区域越小。我一般选 10-20cm，具体看检测距离。
- 相机同步：双目相机必须硬件触发同步，否则运动物体会有重影。这个坑我踩过。
- 标定频率：建议每 3-6 个月重新标定一次。温度变化、振动都会影响标定参数。
- 光照一致性：左右相机的曝光时间、增益要一致，否则匹配会出问题。
我的习惯：
每次调试双目系统，我都会先拍一张棋盘格，看看左右图像的角点检测是否一致。这一步能快速发现硬件问题，比如镜头畸变、安装倾斜等。
好了，这一章的内容就到这里。双目立体视觉的基础，说白了就是三角测量加极线约束。理解了这个，后面的立体匹配、三维重建就好办了。