文章導(dǎo)讀

本文通過介紹雙目立體視覺的成像過程，帶大家了解雙目視覺如何從兩個(gè)不同視角的成像平面中恢復(fù)出物體三維幾何信息，重建周圍景物的三維形狀與位置。 在說雙目視覺之前，我們先聊一下單目成像過程，最簡(jiǎn)單的單目成像是基于小孔成像的原理，三維空間中的點(diǎn)經(jīng)過透視投影過程映射到圖像平面上，如此一來在透視線上的空間點(diǎn)都落在像平面上的同一點(diǎn)處。

所以普遍認(rèn)為單目相機(jī)缺乏深度信息無法測(cè)距。（這里僅從成像原理出發(fā)，當(dāng)然現(xiàn)實(shí)中借助外界約束有很多單目測(cè)距的方法） 而雙目相機(jī)利用視差原理從不同的位置獲取被測(cè)物體的兩幅圖像，通過計(jì)算圖像對(duì)應(yīng)點(diǎn)間的位置偏差來恢復(fù)出物體三維幾何信息。 雙目的核心在于建立兩個(gè)圖像中特征之間的對(duì)應(yīng)關(guān)系，將三維空間中同一目標(biāo)點(diǎn)在不同視圖的成像點(diǎn)關(guān)聯(lián)起來，然后計(jì)算它們之間的差別，最后通過視差和距離的幾何關(guān)系得到深度圖。雙目立體視覺的具體步驟如下：

對(duì)雙目相機(jī)進(jìn)行標(biāo)定得到內(nèi)外參數(shù)和單應(yīng)性矩陣

通過內(nèi)參做畸變校正并用單應(yīng)矩陣將兩張圖片轉(zhuǎn)換到同一平面

對(duì)校正后的兩張圖片根據(jù)極線約束進(jìn)行像素配準(zhǔn)

根據(jù)配準(zhǔn)結(jié)構(gòu)計(jì)算每個(gè)像素的深度從而獲得深度圖

輸入左右兩個(gè)視角的自行車圖像：

輸出自行車的深度圖信息：

到底什么是視差、極點(diǎn)、極線、極平面、極線約束等等？在談到雙目成像時(shí)，首先出現(xiàn)的一個(gè)概念就是視差，網(wǎng)上有人用過一個(gè)很簡(jiǎn)單的形式來描述視差，即將人眼想象成雙目相機(jī)，豎起一根手指放在前方作為目標(biāo)，分別閉上左眼或右眼去觀察目標(biāo)，我們發(fā)現(xiàn)目標(biāo)在不同成像平面中的位置移動(dòng)了，這個(gè)像素位置的差異值就是視差。

在上面這張圖中，左右兩幅圖分別表示左右相機(jī)的成像平面，假設(shè)一個(gè)目標(biāo)在左視圖的成像點(diǎn)落在第二列藍(lán)色區(qū)域，在右視圖的成像點(diǎn)落在第五列藍(lán)色區(qū)域，視差值即為3。這里小伙伴會(huì)問為什么在計(jì)算視差值的時(shí)候，目標(biāo)在左右視圖中的匹配點(diǎn)所在行相同呢？其實(shí)在計(jì)算視差圖之前，存在一個(gè)重要的操作即圖像校正：包括畸變校正和立體校正兩個(gè)過程。

圖像的畸變校正我們都很熟悉了，有興趣的童鞋可以翻翻小編之前的文章，有一篇線性相機(jī)模型中進(jìn)行了描述。通過張正友標(biāo)定法計(jì)算出相機(jī)的4個(gè)內(nèi)參fx，fy，cx，cy和5個(gè)畸變系數(shù)k1，k2，k3，p1，p2，進(jìn)一步解決相機(jī)的枕形畸變和桶形畸變。 立體校正的過程是利用兩顆相機(jī)之間的外參即旋轉(zhuǎn)平移矩陣以及透視投影矩陣，對(duì)兩幅圖像進(jìn)行極線校正，將圖象平面重投影到平行于光心線的公共平面上，如下圖所示，將原始的灰色像平面糾正到黃色位置。

接下來我們從下圖解釋一下極點(diǎn)、極線、極平面的概念，假設(shè)空間一點(diǎn)P投影到左視圖像平面上，成像點(diǎn)PL；投影到右視圖像平面上，成像點(diǎn)PR。兩個(gè)相機(jī)光心的連線CL-CR與像平面的交點(diǎn)eL和eR稱為極點(diǎn)。物點(diǎn)P與左右相機(jī)光心CL、CR組成的平面稱為極平面。而極平面與相機(jī)的像平面交線稱為極線。

上圖中還有一個(gè)規(guī)律，我們發(fā)現(xiàn)不同距離處的三維空間點(diǎn)P，P1，P2，P3投影到左視圖成像點(diǎn)PL上，在右視圖搜索相對(duì)應(yīng)的匹配點(diǎn)時(shí)，它們均落在紅色直線上（極線）。所以當(dāng)我們做左右視圖的匹配時(shí)，是否可以利用這一規(guī)律呢？在圖像匹配的過程中，如何找到兩幅圖像的對(duì)應(yīng)關(guān)系？最直接的做法就是逐點(diǎn)匹配，但是從一副圖像中逐個(gè)像素點(diǎn)的搜索，不僅耗時(shí)巨大而且匹配精度不高。

為了降低匹配的難度，提供匹配的速度和精度，通常會(huì)增加一些約束條件，比如極線約束、相似性約束、左右一致性約束等。其中極線約束最為常見，它是指三維空間中一點(diǎn)P，當(dāng)投影到左視圖P’位置后，必然能在右視圖的極線上匹配到該點(diǎn)。該約束將二維空間中的逐點(diǎn)搜索降維到一維直線上的搜索，減少了算法耗時(shí)并提高匹配精度。我們先來看一種理想的情況，左右相機(jī)內(nèi)參相同且像平面共面，如下圖所示：

在這種情況下，做圖像特征匹配時(shí)，只需要將左視圖中的像素點(diǎn)，沿著水平方向在右視圖的極線上搜索對(duì)應(yīng)點(diǎn)即可。但是實(shí)際情況下左右相機(jī)內(nèi)參不同且像平面不共面，如下圖所示：

上文中提到的立體校正就是應(yīng)用在此處，為了使同一特征點(diǎn)位于左右相機(jī)兩張圖像水平方向的同一條直線上。也就是把實(shí)際情況下非共面行對(duì)齊的兩幅圖像校正成共面行對(duì)齊。那么極線和視差是否存在某種關(guān)系呢？假設(shè)左右兩個(gè)相機(jī)的焦距相同，極線和光軸均平行。

左右視角同時(shí)看到兩個(gè)目標(biāo)P1和P2，其中XR1和XT1分別是P1點(diǎn)落在左右兩幅圖中的位置，即P1在左右相機(jī)的視差為|XR1-XT1|；XR2和XT2分別是P2點(diǎn)落在左右兩幅圖中的位置，即P2在左右相機(jī)的視差為|XR2-XT2|。所以移動(dòng)三維空間中的一點(diǎn)P，其在左右相機(jī)中的位置也會(huì)發(fā)生變化，從而視差發(fā)生變化。如下圖所示：

根據(jù)三角形相似性原理可以得到Z=b * f / d，Z表示目標(biāo)的距離，b是基線，f是焦距，d是視差，可以看出視差與三維空間上的點(diǎn)到投影中心平面的距離成反比：距離像平面越近的目標(biāo)，視差越大；距離像平面越遠(yuǎn)的目標(biāo)，視差越小。

雙目視覺的本質(zhì)就是兩幅圖像特征匹配的過程，雖然技術(shù)成熟度很高，但是在哪些情況下仍然存在挑戰(zhàn)呢？

物體邊緣處的估計(jì)

紋理信息單調(diào)的場(chǎng)景

缺乏紋理的物體

光照角度強(qiáng)度不同

雨雪天氣場(chǎng)景下

夜晚或昏暗場(chǎng)景

在室內(nèi)場(chǎng)景會(huì)遇到白墻，房頂，玻璃等紋理信息單一或缺乏的情況導(dǎo)致圖像匹配失敗；在室外場(chǎng)景會(huì)遇到進(jìn)出隧道的光照變化，昏暗街道的匹配失敗等問題。

編輯：jq