立体视觉深度估计：顺序约束与匹配

"该资源主要讨论了立体视觉中的深度获取技术，特别是利用顺序约束来辅助匹配，以及如何通过计算视差来恢复场景的三维深度信息。文中提到了外极平面、外极线的概念，并探讨了立体成像的一般情况、立体图像的校正方法以及平行光轴立体视觉系统的原理。此外，还强调了立体匹配作为核心问题的重要性及其挑战性。" 在立体视觉中，深度获取是通过比较同一场景在两个不同视角（或摄象机）下的图像来实现的。共轭对指的是场景中一点在两个图像中的投影点，视差则是这些投影点之间的距离，它直接与场景点的深度相关。视差越大，物体离相机越远。外极平面和外极线是理解立体视觉的关键概念，它们定义了两个摄象机的相对位置和图像中对应点的关系。 当基线（两个摄象机间的距离）增加，虽然可以提高深度计算的精度，但同时也可能导致可视范围减小，视差增大，增加了寻找对应点的难度，可能出现多个可能的匹配，也就是多义性问题。为了减轻这个问题，有时需要进行立体图像校正，通过重新取样使外极线对齐，减少由透视投影引起的变形。 在平行光轴立体视觉系统中，视差可以直接用于计算场景点的深度，通过公式dx = xr - xl，其中dx是视差，xr和xl分别是右摄象机和左摄象机的像素坐标，f是焦距，B是基线，Z是景深。这样的系统简化了深度恢复的计算。 立体匹配是立体视觉中的核心问题，涉及到寻找图像对中的对应点，这是一个复杂且计算密集的过程。解决这个问题的方法多种多样，包括基于局部特征匹配、全局优化算法以及学习方法等。尽管有诸多挑战，如光照变化、噪声、遮挡等，但立体匹配技术的进步极大地推动了三维视觉和机器人导航等领域的发展。 立体视觉深度获取是一门综合了几何、光学和计算的复杂学科，其目的是通过计算视差来重建场景的三维结构，对于自动驾驶、虚拟现实、机器视觉等多个领域都具有重要的应用价值。