第1章立体视觉概述

一、立体视觉概述：从人眼到计算机的“三维感知”

大家好，我是这门课的主讲。今天咱们聊聊立体视觉——说白了，就是让计算机像人一样“看出”物体的远近。

你可能觉得这没什么了不起。但你想过没有，我们每天开车、走路、拿杯子，这些动作背后都依赖一个强大的能力：立体感知。人眼天生就会，但让计算机学会，可费了不少功夫。

先说说人眼是怎么工作的。我经常在课上问学生：为什么闭上一只眼睛，就很难判断距离？

原因很简单。我们两只眼睛之间有大约6-7厘米的间距。看同一个物体时，左右眼看到的图像其实有细微差别——这叫视差。大脑就是靠这个视差，反推出物体的深度信息。

核心概念：视差越大，物体越近；视差越小，物体越远。这就是立体视觉最根本的原理。

我记得有一次做AR项目，用户反馈说虚拟物体“贴”在屏幕上，没有真实感。后来发现，问题就出在视差计算不够精确。嗯，这个坑我踩过，后面会详细讲怎么避免。

计算机双目视觉，说白了就是用两个摄像头模拟人眼。一个左相机，一个右相机，拍下两张图。然后通过算法找到两张图中对应的点，算出视差，最后得到深度。

流程大致是这样的：

你可能会问：这不就是人眼那套吗？对，原理一样。但计算机有个毛病——它不知道两张图里哪些点是同一个物体。所以立体匹配是整个流程中最难的一步。我在项目中遇到过，纹理少的墙面、反光的玻璃，都是匹配算法的噩梦。

这些年，双目视觉的应用越来越广。我挑几个典型的说说。

车要判断前方障碍物有多远，激光雷达太贵，毫米波雷达分辨率低。双目摄像头呢？便宜，还能提供稠密的深度图。特斯拉早期就尝试过纯视觉方案。不过说实话，纯靠双目做自动驾驶，光照不好时容易翻车。我建议还是多传感器融合更靠谱。

机器人要抓取物体、避障、建图，没有深度信息寸步难行。双目视觉是性价比很高的方案。我之前做过一个仓储机器人项目，用双目做障碍物检测，效果不错，就是计算量有点大——嗯，后面会讲怎么优化。

AR眼镜要让你觉得虚拟物体真的“放在”桌子上，必须知道桌子的三维结构。双目视觉可以实时重建环境深度。我记得有一次调试AR应用，虚拟杯子总是“飘”在桌面上方，后来发现是深度图边缘有毛刺。这个坑，你们以后也会遇到。

这门课一共30章，我把它分成四个阶段：

阶段	章节	核心内容
基础篇	1-8章	相机模型、标定、极线几何、立体校正
核心算法篇	9-18章	立体匹配（SGM、PatchMatch、深度学习）、视差优化
实战篇	19-25章	OpenCV实现、CUDA加速、嵌入式部署
进阶篇	26-30章	多目视觉、与IMU融合、SLAM中的应用

说白了，就是从原理到代码，从理论到落地。每一章我都会给出可运行的代码示例，也会分享我踩过的坑。

学习建议：别急着跑代码。先把相机模型和极线几何搞明白。我见过太多人上来就调SGM参数，结果调了一周都不知道为什么效果差——其实就是没理解极线约束。

下面这张图，是我自己画的本章知识结构。你可以把它当作一个“地图”，知道这一章讲了什么，以及各部分之间的关系。

注意：这张图只是帮你建立整体认知。后面每一章都会深入细节。别指望现在全看懂，先有个印象就行。

做双目视觉这些年，我最大的感受是：理论不难，落地才难。很多论文里的算法，跑在实验室数据上效果很好，一到真实场景就崩了。为什么？光照变化、噪声、遮挡、纹理缺失……现实世界远比数据集复杂。

所以这门课，我会尽量多讲“坑”，多讲“为什么”。不光是告诉你怎么做，更想让你知道为什么这么做，以及什么时候不能这么做。

好了，第一章就到这里。下一章我们开始讲相机模型——这是所有立体视觉的基础。别跳过，真的重要。