主要观点总结

本文主要介绍了双目视觉的相关概念和流程，包括双目标定、双目校正、立体匹配和点集配准等内容。

关键观点总结

关键观点1: 双目视觉

利用视差原理的一种视觉方法，通过两个相机拍摄同一物体，计算物体的三维坐标。

关键观点2: 双目标定

标定时需要标定出两个相机的内参和两相机间的关系，通过多次取图计算R、T进行优化。

关键观点3: 双目校正

将经过双目标定后的两相机图像进行校正，使同一特征点位于左右相机图像水平方向的同一条直线上。

关键观点4: 立体匹配

将左右相机图像上的对应点匹配起来，计算视差。包括局部匹配算法、全局匹配算法、区域立体匹配算法、基于特征的立方匹配算法和基于相位立体匹配算法等。

关键观点5: 点集配准

将两个点云集进行匹配，计算旋转矩阵R和平移矩阵T及尺度变换。经典算法是ICP（Iterative Closet Points），通过迭代寻找对应点，优化R、T，直到满足迭代终止条件。

正文

请到「今天看啥」查看全文

如图所示为空间中一点P在左右相机中的成像点Pleft=（Xleft,Yleft），Pright=（Xright,Yright）。将两相机固定在同一平面上，则点P在Y方向的坐标是相同的，即Yleft = Yright =Y。根据三角原理，可得：

视差被定义为相同点在左右相机X方向的偏差，即：Disparity=Xleft-Xright。则点P在左相机坐标系下的位置可以表示为：

因此，对于空间中任意一点，若能在严格对齐的两相机中找到其成像点，即可计算出其三维坐标。

双目标定

双目标定和普通相机的标定一样，其标定时不仅标定出两个相机的内参，还要标定出两个相机之间的关系。因此，在进行双目标定时，需要使两个相机对同一标定板进行多次取图，分别标定出各自的内参和相对于标定板的外参，然后便可计算出两相机位置间的关系：

其中，R为两摄像头间的旋转矩阵，T为两摄像头间的平移矩阵。Rr为右摄像头经过张氏标定得到的相对标定物的旋转矩阵，Tr为右摄像头通过张氏标定得到的相对标定物的平移向量。Rl为左摄像头经过张氏标定得到的相对相同标定物的旋转矩阵，Tl为左摄像头经过张氏标定得到的相对相同标定物的平移向量。

请到「今天看啥」查看全文