第一章：立体视觉概述——什么是双目立体匹配、深度感知原理、应用场景

大家好，欢迎来到《双目立体匹配算法：从零搭建完全手册》。我是这门课的主讲，一个在计算机视觉领域摸爬滚打了十来年的工程师。

咱们第一节课，先不急着写代码。我想先跟你聊聊，到底什么是双目立体匹配？它凭什么能感知深度？以及，这玩意儿到底能用在哪儿？

说实话，我当年刚接触这个方向时，也觉得挺玄乎的。两个摄像头拍两张照片，就能算出距离？嗯，等你理解了背后的原理，你会发现，其实它比你想象的要简单，也比你想象的要巧妙。

1.1 什么是双目立体匹配？

双目立体匹配，说白了，就是模仿人眼看世界的方式。

你想想看，我们的两只眼睛，因为位置不同，看到的景象其实是有细微差别的。左眼看到物体偏左一点，右眼看到物体偏右一点。这个差别，我们称之为“视差”。

大脑就是利用这个视差，来估算物体离我们有多远的。双目立体匹配算法，干的也是同样的事：

• 输入：左右两个摄像头拍摄的两张图像。
• 过程：在左图中找一个像素点，然后在右图的同一行上，找到它对应的那个点。
• 输出：一张“视差图”。每个像素的值，代表该点物体在左右视图中的位置偏移量。

有了视差图，再结合摄像头的参数（焦距、基线距离），就能算出每个点的深度信息了。

1.2 深度感知原理：从二维到三维的跨越

为什么单目摄像头很难精确测距？因为它缺少了“尺度信息”。一张照片里，一个近处的小物体和一个远处的大物体，看起来可能一模一样。

双目就不一样了。它有两个视角，相当于我们有了“三角测量”的几何约束。这就像你闭上一只眼睛，去捏住眼前的一根笔，是不是感觉很难？睁开双眼，一下就准了。这就是双目带来的深度感知优势。

我个人习惯把深度感知分为三步：

1. 图像获取：左右相机同步拍摄，得到一对“立体图像对”。
2. 立体匹配：这是最核心的一步。算法需要在左右图像中找到同名点。我早期做项目时，这一步经常出问题，比如遇到纹理重复的区域，或者光照不均匀，匹配就会出错。
3. 三角测量：根据匹配得到的视差，利用几何关系计算出深度。

1.3 应用场景：双目立体匹配能做什么？

这技术可不是只在实验室里玩玩。它已经深入到了很多领域。我挑几个典型的跟你聊聊。

1.3.1 自动驾驶

这是目前最火的应用。车载双目摄像头，可以实时感知前方道路的障碍物、行人、车辆的距离。

• 优势：相比激光雷达，双目摄像头成本低得多。而且它能提供稠密的深度图，不像激光雷达那样稀疏。
• 挑战：对光照和天气敏感。大雾、暴雨天，效果会打折扣。

我记得有一次在测试车上，傍晚时分，夕阳直射镜头，导致图像过曝，深度图直接“炸”了。嗯，这也是为什么现在很多方案都走“多传感器融合”路线的原因。

1.3.2 机器人导航与避障

不管是扫地机器人，还是工业机械臂，都需要知道周围环境的三维信息。

双目立体匹配可以帮机器人构建局部地图，识别障碍物，规划路径。我见过一个仓储机器人项目，就是靠双目视觉在货架间穿梭，精度能达到厘米级。

1.3.3 AR/VR 与 3D 重建

在增强现实和虚拟现实中，我们需要把虚拟物体“放置”在真实世界里。这要求设备能感知真实场景的深度。

比如，你戴着 AR 眼镜，想把一只虚拟的猫放在桌子上。双目摄像头会先计算出桌子的深度，然后虚拟猫才能“站”在桌子上，而不是飘在空中。这种沉浸感，离不开准确的深度信息。

另外，像文物数字化、室内设计扫描，也都是双目立体匹配的用武之地。

1.4 本章知识体系总览

为了让你对本章内容有个整体印象，我画了一张图。它把双目立体匹配的输入、核心原理、输出以及应用场景串在了一起。

1.5 小结

好了，这一章我们聊了聊双目立体匹配的“前世今生”。

你只需要记住三点：

• 它通过模拟人眼，利用视差来感知深度。
• 核心是立体匹配和三角测量。
• 应用非常广泛，从自动驾驶到AR眼镜，都有它的身影。

下一章，我们会深入数学原理，聊聊相机成像模型和极线几何。别怕，我会用最直白的方式讲给你听。

---