单目与双目摄像头测距（获取深度）核心原理.docxVIP

单目与双目摄像头测距（获取深度）核心原理

1.针孔相机模型+已知物体尺寸（最基础）

原理

针孔成像公式：

Z

Z：物体到相机的真实深度（距离）

f：相机焦距（像素单位）

X：物体真实物理宽度/高度

x：物体在图像上的像素宽度

已知物体实际大小，测出图像上像素尺寸，就能反推距离。

缺点

必须预先知道目标物体尺寸，通用性极差。

2.运动单目（SfM/视觉里程计VO）

原理

相机自身移动，先后拍摄两张不同位置的照片，相当于用移动构造出虚拟双目。

提取前后帧特征点并匹配；

解算出相机的位移与旋转；

使用三角化（Triangulation）计算特征点三维深度。

特点

纯视觉，不需要硬件改动；

尺度不确定：只能算出相对距离，得不到真实米数，必须依靠IMU、轮速计恢复绝对尺度。

3.深度学习单目深度估计（当前主流方案）

原理

CNN网络学习大量带真值深度的图片数据集，从纹理、透视、遮挡、光照等图像特征直接预测整张图每个像素的深度值。

输入：单张RGB图

输出：稠密深度图

优缺点

无需运动、无需标定；但属于预测，精度不稳定，远距离误差大。

4.结构光/对焦测距（消费级单目景深方案）

利用镜头景深：离焦模糊程度对应距离，通过分析图像模糊程度反推深度，精度很低。

双目摄像头测距（立体视觉）原理

双目=左右两个平行摆放的相机，模仿人眼双目视差，可以直接算出绝对深度