雙目相機基線一般多少

1. opencv雙目測距精度是多少

在OpenCV中，f的量綱是像素點，Tx的量綱由定標棋盤格的實際尺寸和用戶輸入值確定，一般總是設成毫米，當然為了精度提高也可以設置為0.1毫米量級，d=xl-xr的量綱也是像素點。因此分子分母約去，z的量綱與Tx相同！

2. 計算機視覺中cost-volume的概念具體指什麼

cost-volume在計算機視覺中特指計算機視覺中的立體匹配stereo matching（關於立體匹配請自行網路）問題中的一種左右視差搜索空間。

在立體配備中，使用經過校準的雙目相機同步拍攝兩張左右視圖的圖片。左右相機一般有固定的距離（基線距離），且是保持水平放置的，也就是說左右相機的中心點連線應與地面保持水平。

這樣的話可想而知，左右視圖的視野相交區域內，左視圖的任何一點在右視圖中都能找到一個同名點（也即代表的都是同一個事物的像素點，例如同一輛車子的同一個前輪的圓心）。

也很容易想到，左視圖中的同名點與右視圖中的同名點，在水平方向上的x坐標必然是差幾個像素的d，這個距離d就叫做水平視差。

左視圖中的x1同名點對應右視圖中的x2同名點，那麼x2-x1=d，d>0。因為前面已經說過，左右相機中心點連線與地面保持水平，所以y2-y1=0。

因為基線距離是固定的，所以左右相機的水平視差必然存在一個最大值。由於相機成像的透視原理，圖像都呈現近大遠小的幾何特性，那麼可想而知，視差最大的區域必然出現在圖片的中央靠下邊界區域，從該區域向四周呈放射狀分布，越遠越小。

假設水平視差d的最大值為D（D屬於正整數空間），那麼shape為（H, W）的左右視圖，的所有像素的右視圖相對於左視圖的全部視差可能值d也就取值於一個正整數集合（0,1,2........D）。

若將該正整數集合在視差圖的信道維度上進行逐像素表達，那麼左右視圖對應的shape同為（H,W）的視差圖就是一個shape為（H,W,D）的搜索空間，也即cost-volume。

3. 單目與雙目有什麼區別視覺識別來說，是不是用雙目攝像頭更好國內有沒有參數比較好的這類攝像頭推薦

建議條件允許的話還是使用雙目攝像頭，畢竟雙目識別圖像更穩定精準。這里推薦小覓雙目攝像頭，基於雙目視覺的三維重建與6軸感測器矯正等，並充分利用攝像頭和運動感測器的互補性，保持雙目高清同幀。

4. 計算機雙目視覺系統 得到深度信息，這個系統的基線長度如何選擇選擇為多少比較好

從最終的結果看，兩攝像頭的間距越大，能測到的Z軸越遠精度越高，但這只是一個基本常量，還有十多個參數要確定，有的還是非線性，你才剛入門，這里水深著呢

5. 雙目視覺測距原理

單目測距原理：

先通過圖像匹配進行目標識別（各種車型、行人、物體等），再通過目標在圖像中的大小去估算目標距離。這就要求在估算距離之前首先對目標進行准確識別，是汽車還是行人，是貨車、SUV還是小轎車。准確識別是准確估算距離的第一步。要做到這一點，就需要建立並不斷維護一個龐大的樣本特徵資料庫，保證這個資料庫包含待識別目標的全部特徵數據。比如在一些特殊地區，為了專門檢測大型動物，必須先行建立大型動物的資料庫；而對於另外某些區域存在一些非常規車型，也要先將這些車型的特徵數據加入到資料庫中。如果缺乏待識別目標的特徵數據，就會導致系統無法對這些車型、物體、障礙物進行識別，從而也就無法准確估算這些目標的距離。

單/雙目方案的優點與難點

從上面的介紹，單目系統的優勢在於成本較低，對計算資源的要求不高，系統結構相對簡單；缺點是：（1）需要不斷更新和維護一個龐大的樣本資料庫，才能保證系統達到較高的識別率；（2）無法對非標准障礙物進行判斷；（3）距離並非真正意義上的測量，准確度較低。

雙目檢測原理：

通過對兩幅圖像視差的計算，直接對前方景物（圖像所拍攝到的范圍）進行距離測量，而無需判斷前方出現的是什麼類型的障礙物。所以對於任何類型的障礙物，都能根據距離信息的變化，進行必要的預警或制動。雙目攝像頭的原理與人眼相似。人眼能夠感知物體的遠近，是由於兩隻眼睛對同一個物體呈現的圖像存在差異，也稱「視差」。物體距離越遠，視差越小；反之，視差越大。視差的大小對應著物體與眼睛之間距離的遠近，這也是3D電影能夠使人有立體層次感知的原因。

上圖中的人和椰子樹，人在前，椰子樹在後，最下方是雙目相機中的成像。其中，右側相機成像中人在樹的左側，左側相機成像中人在樹的右側，這是因為雙目的角度不一樣。再通過對比兩幅圖像就可以知道人眼觀察樹的時候視差小，而觀察人時視差大。因為樹的距離遠，人的距離近。這就是雙目三角測距的原理。雙目系統對目標物體距離感知是一種絕對的測量，而非估算。

理想雙目相機成像模型

根據三角形相似定律：

根據上述推導，要求得空間點P離相機的距離（深度）z，必須知道：
1、相機焦距f，左右相機基線b（可以通過先驗信息或者相機標定得到）。
2、視差 ：，即左相機像素點(xl, yl)和右相機中對應點(xr, yr)的關系，這是雙目視覺的核心問題。

重點來看一下視差（disparity），視差是同一個空間點在兩個相機成像中對應的x坐標的差值，它可以通過編碼成灰度圖來反映出距離的遠近，離鏡頭越近的灰度越亮；

極線約束

對於左圖中的一個像素點，如何確定該點在右圖中的位置？需要在整個圖像中地毯式搜索嗎？當然不用，此時需要用到極線約束。

如上圖所示。O1，O2是兩個相機，P是空間中的一個點，P和兩個相機中心點O1、O2形成了三維空間中的一個平面PO1O2，稱為極平面（Epipolar plane）。極平面和兩幅圖像相交於兩條直線，這兩條直線稱為極線(Epipolar line)。

P在相機O1中的成像點是P1，在相機O2中的成像點是P2，但是P的位置是未知的。我們的目標是：對於左圖的P1點，尋找它在右圖中的對應點P2，這樣就能確定P點的空間位置。

極線約束（Epipolar Constraint）是指當空間點在兩幅圖像上分別成像時，已知左圖投影點p1，那麼對應右圖投影點p2一定在相對於p1的極線上，這樣可以極大的縮小匹配范圍。即P2一定在對應極線上，所以只需要沿著極線搜索便可以找到P1的對應點P2。