检测三维物体？一篇文章认识《双目立体视觉》
来源：https://blog.csdn.net/qq_41204464/article/details/115387812
作者：一颗小树X@CSDN（已授权）
编辑：3D视觉开发者社区
前言
双目立体视觉，由两个摄像头组成，像人的眼睛能看到三维的物体，获取物体长度、宽度信息，和深度的信息；单目视觉获取二维的物体信息，即长度、宽度。
1）双目摄像头
双目摄像头示意图（ORBBEC® Gemini 3D传感摄像头是一款基于双目结构光3D成像技术的近距离高精度的嵌入式模组）：
2）双目相机基线
基线越大，测量范围越远；基线越小，测量范围越近。
建议：
（1）基线距离是工作距离的08-2.2倍时测量误差比较小；
（2）双目立体视觉的结构对称时，测量系统的误差比较小，精度也比较高。
（3）两台相机的有效焦距∫越大，视场越小，视觉测量系统的测量精度越高（即采用长焦距镜头容易获得较高的测量精度）
3）打开双目摄像头
在OpenCV用使用双目摄像头，包括：打开单目摄像头、设置摄像头参数、拍照、录制视频。
环境编程语言：Python3 主要依赖库：OpenCV3.x 或 OpenCV4.x双目同步摄像头，两个镜头共用一个设备ID，左右摄像机同一频率。这款摄像头分辨率支持2560*960或以上。
思路流程：
1、由于两个镜头共用一个设备ID，打开摄像头时使用cv2.VideoCapture()函数，只需打开一次。区别有的双目摄像头是左右镜头各用一个设备ID，需要打开两次cv2.VideoCapture(0)，cv2.VideoCapture(1)。
2、双目摄像头的总分辨率是由左右镜头组成的，比如：左右摄像机总分辨率1280x480；分割为左相机640x480、右相机640x480
为了方便理解画了张草图；图中的“原点”是图像像素坐标系的原点。
3、分割后，左相机的分辨率：高度 0:480、宽度 0:640
右相机的分辨率：高度 0:480、宽度 640:1280
4、转换为代码后
# 读取摄像头数据 ret, frame = camera.read() #裁剪坐标为[y0:y1, x0:x1] HEIGHT * WIDTH left_frame = frame[0:480, 0:640] right_frame = frame[0:480, 640:1280] cv2.imshow('left', left_frame) cv2.imshow('right', right_frame)源代码：
举个栗子：打开分辨率1280x480的双目摄像头
# -*- coding: utf-8 -*-import cv2import time AUTO = False # 自动拍照，或手动按s键拍照INTERVAL = 2 # 自动拍照间隔 cv2.namedWindow('left')cv2.namedWindow('right')camera = cv2.VideoCapture(0) # 设置分辨率 左右摄像机同一频率，同一设备ID；左右摄像机总分辨率1280x480；分割为两个640x480、640x480camera.set(cv2.CAP_PROP_FRAME_WIDTH,1280)camera.set(cv2.CAP_PROP_FRAME_HEIGHT,480) counter = 0utc = time.time()folder = './SaveImage/' # 拍照文件目录 def shot(pos, frame): global counter path = folder + pos + '_' + str(counter) + '.jpg' cv2.imwrite(path, frame) print('snapshot saved into: ' + path) while True: ret, frame = camera.read() # 裁剪坐标为[y0:y1, x0:x1] HEIGHT*WIDTH left_frame = frame[0:480, 0:640] right_frame = frame[0:480, 640:1280] cv2.imshow('left', left_frame) cv2.imshow('right', right_frame) now = time.time() if AUTO and now - utc >= INTERVAL: shot('left', left_frame) shot('right', right_frame) counter += 1 utc = now key = cv2.waitKey(1) if key == ord('q'): break elif key == ord('s'): shot('left', left_frame) shot('right', right_frame) counter += 1camera.release()cv2.destroyWindow('left')cv2.destroyWindow('right')补充理解：
OpenCV有VideoCapture()函数，能用来定义“摄像头”对象，0表示第一个摄像头（一般是电脑内置的摄像头）；如果有两个摄像头，第二个摄像头则对应VideoCapture(1)。
在while循环中使用“摄像头对象”的read()函数一帧一帧地读取摄像头画面数据。
imshow函数是显示摄像头的某帧画面；cv2.waitKey(1)是等待1ms，如果期间检测到了键盘输入q，则退出while循环。
效果：
4）双目测距
原理：
通过对两幅图像视差的计算，直接对图像所拍摄到的范围进行距离测量，无需判断前方出现的是什么类型的障碍物。
视差disparity：
首先看一组视觉图：左相机图和右相机图不是完全一致的，通过计算两者的差值，形成视差，生成视差图（也叫：深度图）
视差是同一个空间点在两个相机成像中对应的x坐标的差值；
它可以通过编码成灰度图来反映出距离的远近，离镜头越近的灰度越亮；
我们观察一下，看到台灯在前面，离双目相机比较近，在灰度图呈现比较亮；摄影机及支架在后方，离双目相机比较远，在灰度图呈现比较暗。
补充理解：
由立体视觉系统测量的深度被离散成平行平面 （每个视差值一个对应一个平面）
给定具有基线 b 和焦距 f 的立体装备， 系统的距离场受视差范围[dmin ，dmax]的约束。
极线约束：
极线约束（Epipolar Constraint）是指当空间点在两幅图像上分别成像时，已知左图投影点p1，那么对应右图投影点p2一定在相对于p1的极线上，这样可以极大的缩小匹配范围。
标准形式的双目摄像头，左右相机对齐，焦距相同。
如果不是标准形式的双目摄像头呢？哦，它是是这样的：（需要 极线校正/立体校正）
极线校正/立体校正
双目测距流程：
a.双目标定
主要是获取内参（左摄像头内参+右摄像头内参）、外参（左右摄像头之间平移向量+旋转矩阵）
标定过程：
b.双目矫正
消除镜头变形，将立体相机对转换为标准形式
c.立体匹配
寻找左右相机对应的点（同源点）
d.双目测距（三角测量）
给定视差图、基线和焦距，通过三角计算在3D中对应的位置
双目测距原理
e.测距效果
彩蛋：双目立体匹配（重点）
立体匹配是双目立体视觉中比较重要的一环，往往这里做研究和优化。
a.立体匹配流程
b.匹配代价计算
代价函数用于计算左、右图中两个像素之间的匹配代价（cost）。cost越大，表示这两个像素为对应点的可能性越低。
常用代价函数
AD/BT
AD+Gradient
Census transform
SAD/SSD
NCC
AD+Census
CNN
c.立体匹配
端到端视差计算网络
Disp-Net (2016)
GC-Net (2017)
iRestNet (2018)
PSM-Net (2018)
Stereo-Net (2018)
GA-Net (2019)
EdgeStereo (2020)
立体视觉方法评测网站
ETH3D https://www.eth3d.net/
Kitti Stereo http://www.cvlibs.net/datasets/kitti/eval_scene_flow.php?benchmark=stereo
Middlebury Stereo 3.0 https://vision.middlebury.edu/stereo/eval3/
双目测距总结
优势：
（1）成本比单目系统要高，但尚处于可接受范围内，并且与激光雷达等方案相比成本较低；
（2）没有识别率的限制，因为从原理上无需先进行识别再进行测算，而是对所有障碍物直接进行测量；
（3）直接利用视差计算距离，精度比单目高；
（4）无需维护样本数据库，因为对于双目没有样本的概念。
难点：
（1）计算量大，对计算单元的性能要求高，这使得双目系统的产品化、小型化的难度较；（芯片或FPGA）
（2）双目的配准效果，直接影响到测距的准确性；
（3）对环境光照非常敏感；（光照角度、光照强度）
（4）不适用于单调缺乏纹理的场景；（天空、白墙、沙漠）
（5）相机基线限制了测量范围。（基线越大，测量范围越远；基线越小，测量范围越近）
参考文献
1）[Wang 2015] Wang W, Yan J, Xu N, et al. Real-time high-quality stereo vision system in FPGA. IEEE Transactions on Circuitsand Systems for Video Technology, 2015, 25(10): 1696-1708.2）
2）[Kim 2016] K.-R. Kim and C.-S. Kim. Adaptive smoothness constraints for efficient stereo matching using texture and edgeinformation. ICIP 2016.
3）[Zbontar 2016] Zbontar J, LeCun Y. Stereo matching by training a convolutional neural network to compare image patches.Journal of Machine Learning Research, 2016.
4）[Park 2017] Park H, Lee K M. Look wider to match image patches with convolutional neural networks. IEEE Signal ProcessingLetters, 2017.
5）Leonid Keselman, et al. Intel R RealSenseTM Stereoscopic Depth Cameras. CVPRW. 2017.
6）立体匹配算法原理与应用.奥比研究院.徐玉华
7）基于双目视觉的空间非合作目标姿态测量技术研究.颜坤
8）https://www.bilibili.com/video/BV1ka4y1L7xT?from=search&seid=5727123941116684431
9）https://blog.csdn.net/u011808673/article/details/90641589 10）https://www.cnblogs.com/polly333/p/5130375.html