1.双目相机计算目标物体的距离

本文主要是介绍1.双目相机计算目标物体的距离，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本文看了博文【深度相机系列三】深度相机原理揭秘--双目立体视觉-CSDN博客，该博文已经介绍的很清楚，在这里我只是根据自己的理解做了梳理，方便自己以后阅读。

更全的双目相机测距可看博客双目视觉原理（万字总结，包含Halcon代码）-CSDN博客

文章以上面这种形状的双目相机为例，假设左右两个相机位于同一平面（光轴平行），且相机参数（如焦距f）一致。那么深度值的推导原理和公式如下：

上式中深度公式的符号含义如下：

f:相机焦距

b: 两个相机的投影中心的连线的距离

d: 视差。需要知道左相机的每个像素点(xl, yl)和右相机中对应点(xr, yr)的对应关

系。这是双目视觉的核心问题。

Xl: L相机的像素坐标（图片坐标）

Xr: R相机的像素坐标（图片坐标）

z: 以双目相机的中心点为坐标原点的水平坐标（距离坐标）

x: 以双目相机的中心点为坐标原点的横向坐标

y: 以双目相机的中心点为坐标原点的纵向坐标

上式中深度公式的符号含义如下：

f: 相机焦距

b: 两个相机的投影中心的连线的距离

d: 视差。需要知道左相机的每个像素点(xl, yl)和右相机中对应点(xr, yr)的对应关

系。这是双目视觉的核心问题。

Xl: L相机的像素坐标（图片坐标）

Xr: R相机的像素坐标（图片坐标）

z: 以双目相机的中心点为坐标原点的水平坐标（距离坐标）

x: 以双目相机的中心点为坐标原点的横向坐标

y: 以双目相机的中心点为坐标原点的纵向坐标

（2）极线约束

对于左图中的一个像素点，如何确定该点在右图中的位置？是不是需要我们在整个图像中地毯式搜索一个个匹配？

答案是：不需要。因为有极线约束（名字听着很吓人）。极线约束对于求解图像对中像素点的对应关系非常重要。

什么是极线呢？如下图所示。C1，C2是两个相机，P是空间中的一个点，P和两个相机中心点C1、C2形成了三维空间中的一个平面PC1C2，称为极平面（Epipolar plane）。极平面和两幅图像相交于两条直线，这两条直线称为极线(Epipolar line)。P在相机C1中的成像点是P1，在相机C2中的成像点是P2，但是P的位置事先是未知的。

我们的目标是：对于左图的P1点，寻找它在右图中的对应点P2，这样就能确定P点的空间位置，也就是我们想要的空间物体和相机的距离（深度）。

所谓极线约束（Epipolar Constraint）就是指当同一个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。

根据极线约束的定义，我们可以在下图中直观的看到P2一定在对极线上，所以我们只需要沿着极线搜索一定可以找到和P1的对应点P2。