双目视觉的三维重建

资 源 简 介

双目视觉的三维重建

详 情 说 明

双目视觉的三维重建原理

双目视觉模仿人类双眼的视觉机制，通过两台相机从不同角度拍摄同一场景的图像，利用视差信息计算出物体的三维坐标。其核心流程包括相机标定、图像校正、立体匹配和深度图生成。

相机标定 通过标定板获取相机的内参（焦距、主点坐标）和外参（相机间的位置关系），消除镜头畸变，确保后续计算的准确性。

图像校正 将左右相机图像投影到同一极平面，使得对应点位于同一水平线上（极线对齐），简化立体匹配的搜索范围。

立体匹配 通过块匹配（如SAD、SSD）或半全局匹配（SGM）算法，在左右图像中寻找对应像素点，生成视差图。视差值与深度成反比，即视差越大，物体距离越近。

深度估计与三维点云 根据视差图和相机参数，通过三角测量法计算各像素的深度值，最终生成三维点云数据。

MATLAB实现关键点 使用`stereoCameraCalibrator`工具箱进行相机标定，导出相机参数。 调用`rectifyStereoImages`函数校正图像，消除畸变并对齐极线。 通过`disparitySGM`或`disparityBM`函数计算视差图，调整块大小和视差范围以平衡精度与效率。 结合`reconstructScene`函数将视差图转换为深度图，并进一步生成三维点云（如`pcshow`可视化）。

效果分析 精度：受限于标定误差和匹配算法，近距离物体重建效果较好，远距离或弱纹理区域易出现噪点。 优化方向：可通过后滤波（如视差图空洞填充）或引入多视角融合提升重建完整性。 应用场景：适用于室内导航、物体尺寸测量等对实时性要求不高的场景。

总结 双目视觉的三维重建以低成本实现环境感知，MATLAB提供的工具箱能快速验证算法逻辑，但实际部署需考虑OpenCV等高效库的移植。