立体视觉深度估计：从基础到匹配技术

"立体视觉技术是通过获取物体在不同视角下的图像，从而计算出场景中各点的深度信息，实现三维重建。它主要依赖于视差的概念，即同一物体在两个不同视角图像中投影点的相对位置差异。视差是计算深度的基础，而外极平面和外极线则是帮助我们理解这种差异的关键几何关系。 立体视觉系统通常由两台摄像机组成，它们之间有一定距离（基线），当这两台摄像机同时捕获同一场景时，场景中的每个点在两个图像中都有对应的共轭对。共轭对点间的距离（视差）与物体的真实深度成反比，即视差越大，物体越近；视差越小，物体越远。 然而，立体视觉面临着一些挑战。首先，随着基线距离的增加，虽然可以提高深度估计的精度，但两个摄像机的可视范围会缩小，可能导致部分场景无法被同时捕捉。其次，大视差可能导致对应点搜索范围增大，增加匹配错误的可能性。此外，透视投影效应使得图像中存在非线性变形，增加了寻找准确共轭对的难度。 为了解决这些问题，立体图像校正是一种常用的方法。通过将图像进行重新采样，使外极线与图像行对齐，可以简化匹配过程。校正后，两摄像机的射线可以投影到同一平面上，形成理想的极线几何。接着，通过刚体变换和双变量线性内插，可以创建新的图像网格并确定每个像素的值。 平行光轴立体视觉系统是理想化的模型，其中摄像机光轴平行，景深Z和视差dx之间的关系可以通过简单的公式表达：dx = B / (f * Z)，其中B是基线，f是焦距，dx是视差，Z是深度。在这样的系统中，计算视差更为直接，但实际应用中往往需要考虑到非平行光轴的情况。 立体匹配是解决对应问题的关键步骤，也是立体视觉算法中的难点。常见的立体匹配方法包括基于特征的匹配、基于像素强度的匹配、基于机器学习的方法等。这些方法各有优缺点，选择合适的匹配策略取决于应用场景和性能需求。 立体视觉深度获取是一门涉及图像处理、几何光学、计算机视觉等多个领域的复杂技术，其目的是构建具有深度信息的三维场景模型，广泛应用于机器人导航、自动驾驶、虚拟现实、医学影像分析等多个领域。"