一篇文章认识《双目立体视觉》

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

常见的双目摄像头有以下几款：

​

能看到不同类型的双目摄像头，左摄像头和右摄像头之间的距离不一样。

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B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）

出自博士论文 基于双目视觉的空间非合作目标姿态测量技术研究.颜坤

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 cv2
import 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、640x480
camera.set(cv2.CAP_PROP_FRAME_WIDTH,1280)
camera.set(cv2.CAP_PROP_FRAME_HEIGHT,480)
 
counter = 0
utc = 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 += 1
camera.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 视差disparity 极线约束 极线校正/立体校正 双目测距流程：

• a.双目标定
• b.双目矫正
• c.立体匹配
• d.双目测距（三角测量）
• e.测距效果

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：

1. 相机标定（获取内参+外参）
2. 双目矫正（矫正镜头变形图像）
3. 双目立体匹配（生成视差图 Disparity map）
4. 计算深度信息（生成深度图 Depth map）
5. 计算距离

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：

​

详细过程请参考：双目视觉 标定+矫正 （基于MATLAB）

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

​

C++版代码请参考：双目 机器视觉-- 测距

Python版代码：看看大家情况，如果需要的，我抽时间完成分享给大家（BM、SGBM算法等）

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/

​

如果大家对端到端视差计算网络感兴趣，需要开源代码跑通教程和介绍，也考虑分享大家，主要看大家意愿了。

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

文章中如有错误请指出，欢迎交流~~

作者声明：本篇文章，未经许可，谢绝转载。

双目测距的Python版代码：看看大家情况，如果需要的，我抽时间写一下分享给大家（BM、SGBM算法等）

如果大家对端到端的视差计算网络感兴趣，需要开源代码跑通教程和介绍，也考虑分享大家，主要看大家意愿了。

其实双目测距+目标检测，就可以输出目标的类别、置信度、距离、长度、宽度等信息。