第1章深度感知概述

一、深度感知概述：从单目到立体的认知跃迁

大家好，我是你们这门课的主讲。在计算机视觉领域摸爬滚打了十几年，我越来越觉得——深度感知才是让机器真正「看懂」世界的那把钥匙。

你想想看，一张普通的RGB图片，说白了就是像素的颜色矩阵。但深度信息呢？它告诉相机：这个物体离我3米，那个墙角在5米外，前面有个坑，深度差20厘米。没有深度，自动驾驶的车怎么敢变道？机器人怎么敢抓杯子？

我个人习惯把深度感知比作「给眼睛装上尺子」。今天这一讲，我们就来聊聊这把尺子到底怎么用。

深度感知，本质上就是测量场景中每个点到相机的距离。听起来简单，实现起来却各有门道。

目前主流的技术路线有这么几条：

技术方案	原理简述	典型代表	我踩过的坑
双目立体视觉	两个相机模拟人眼，通过视差计算深度	ZED、Intel RealSense	光照不足时匹配率暴跌，纹理稀疏区域直接「瞎」
结构光	投射已知图案，根据变形推算深度	Kinect v1、iPhone Face ID	室外强光下图案被淹没，基本没法用
ToF（飞行时间）	发射光脉冲，测量往返时间	Kinect v2、手机后置ToF	多路径反射导致边缘数据「糊」成一团
单目深度估计	仅用一张RGB图，靠深度学习「猜」深度	MiDaS、DPT	绝对尺度不准，但相对关系很惊艳

嗯，这里要注意——没有银弹。每种技术都有它的脾气。我在做仓储机器人项目时，一开始迷信双目，结果在白色货架区域直接翻车。后来换成ToF+单目融合，才勉强稳住。

深度感知不是实验室里的玩具。它已经在三个领域杀疯了：

自动驾驶对深度信息的要求，说白了就一句话：别撞上。我曾经参与过一个L4级项目的路测，当时车辆在十字路口左转，对面来了一辆大货车。激光雷达点云里货车的边缘是模糊的，但双目深度图清晰地显示——距离从15米骤降到8米。系统立刻刹车，避免了事故。

AR/VR的核心是什么？是让虚拟物体看起来「长」在真实世界里。我试过很多AR眼镜，最让我出戏的就是深度不对——虚拟杯子放在桌面上，你换个角度，它「飘」起来了。

机器人抓取，是我个人觉得深度感知最「性感」的应用。为什么？因为深度图直接给出了抓取点的三维坐标。我记得有一次做分拣项目，传送带上的零件形状各异，RGB图像根本分不清正反面。但深度图一上，凹槽和凸起一目了然——抓取成功率从60%直接飙到95%。

核心观点：深度感知不是「锦上添花」，而是「雪中送炭」。没有深度信息，计算机视觉就永远停留在「看图说话」的阶段。

这门课，我打算带你走完一条从理论到实战的完整路径。你不需要是数学天才，但需要一点OpenCV基础。

课程的核心目标有三个：

学习路径我建议这样走：

我的建议：每章后面的代码，一定要自己敲一遍。我曾经带过一个学生，看了十遍视频觉得都会了，一上手就报错——OpenCV的版本差异、相机驱动问题、数据格式不匹配，这些坑只有亲手踩过才算学会。

下面这张图，是我花了一个下午画的。它概括了深度感知技术的完整知识体系。你可以把它当作这门课的「地图」——每次迷路了，就回来看看。

注意：这张图里的每个模块，后面都会展开讲。但有一点我想提前说——不要试图一次性掌握所有技术。我见过太多人，一开始就想搞融合方案，结果基础没打牢，代码跑不通就放弃了。我的建议是：先精通一种（比如双目），再横向扩展。

好了，第一章就到这里。深度感知的世界很大，但每一步都值得。下一章，我们会从相机模型和标定开始——这是所有深度感知技术的「地基」。

公众号:蓝海资料掘金营，微信deep3321