双目相机测距本质就是模仿人的双眼看东西,依靠左右两个相机拍摄同一目标产生的视差来换算深度距离,整套流程里,标定精度才是决定测距准不准的最关键一步,其次是视差匹配算法的效果,深度计算公式本身只是固定数学换算,不会带来太大误差。简单说,先通过标定拿到相机内参、畸变系数、两个相机之间的外参,再对左右图像做校正、匹配得到每个像素的视差值,最后代入三角测量公式算出目标到相机的深度,很多新手做双目测距效果差,大多不是公式写错,而是标定环节操作不到位、棋盘格采集样本不足或者图像校正出错。
一、基础概念说明
| 名词 | 直白解释 |
|---|---|
| 视差 | 同一个物体上的点,在左图和右图像素横坐标上的差值,物体离相机越近,视差越大;距离越远,视差越小 |
| 内参 | 相机焦距、主点坐标,用来描述镜头本身成像特性 |
| 外参 | 左右相机之间的平移向量、旋转矩阵,代表两个镜头相对位置姿态 |
| 标定 | 用棋盘格等标定板采集图像,求解内参、畸变、外参参数的过程 |
| 深度 | 目标物体距离双目相机基线平面的直线距离 |
二、双目测距完整流程
- 标定环节:采集不同角度、远近的棋盘格图像,运行标定程序,解算内参、畸变系数、双目外参,这一步是重中之重
- 图像校正:利用标定得到的参数,对左右两幅图做去畸变、极线校正,让匹配点落在同一水平行上,降低匹配难度
- 视差计算:选用 SGBM、BM 等匹配算法,逐像素搜索左右图对应的匹配点,输出视差图
- 深度换算:使用三角测距公式,基线、焦距、视差代入公式计算深度,公式:深度 Z = (基线长度 × 焦距) ÷ 视差
- 后处理优化:过滤无效视差点、噪点,剔除异常深度值,得到最终可用深度图
三、各个步骤误差影响对比
- 标定步骤:影响权重最高。棋盘格拍得少、角度单一、画面模糊、镜头晃动,会直接带来外参偏移,后续视差再准,深度也是错的;基线越长,标定误差带来的深度偏差会被放大。
- 视差匹配步骤:容易产生噪点、误匹配,远距离纹理少的墙面、纯色区域很难算出可靠视差,出现空洞、跳变深度。
- 深度计算步骤:纯数学运算,只要参数输入正确,本身不会引入额外误差。
- 硬件环节:两个相机不同步、镜头畸变严重、安装基线松动,会间接破坏标定结果。
四、提升标定精度实操要点清单
- 棋盘格采集数量建议不少于 15~25 张,覆盖画面左上、右上、中间、左下、右下各个区域
- 拍摄棋盘格时,倾斜不同角度,不要只正对着拍
- 棋盘格占画面大小控制在 1/4 到 2/3 之间,不要贴太满或者太小
- 拍摄时光线均匀,避免反光、过曝、阴影盖住方格角点
- 采集标定图像时,双目相机支架不能晃动,基线固定牢固
- 标定完成后核对重投影误差,重投影误差建议控制在 0.5 像素以内,数值越小标定质量越好
【常见问题】
问题 1:双目相机测距,视差和深度之间是什么关系?
回答 1:双目相机测距里视差和深度成反比,基线、焦距固定不变时,视差数值越大,目标深度距离相机越近;视差越小,目标距离越远。
问题 2:双目相机测距标定精度为什么是整个流程里最关键的一步?
回答 2:双目相机测距所有视差转深度的计算,全部依赖标定输出的内参、外参,如果标定精度差,就算视差匹配完全正确,算出来的深度结果依然会持续跑偏。
问题 3:双目相机测距没有做好图像校正,对视差计算会有什么影响?
回答 3:双目相机测距不做图像校正,左右图匹配点不在同一极线上,视差匹配算法很难找到正确对应点,会出现大量误匹配,视差图布满噪点、空洞。
问题 4:双目相机测距基线长短对标定精度、测距范围有什么影响?
回答 4:双目相机测距基线越长,同等距离下视差更大,远距离测距能力更强,但基线变长后,对标定精度要求更高,微小的标定误差会造成深度误差急剧放大。
问题 5:双目相机测距 SGBM 和 BM 匹配算法,哪个更适合提升视差效果?
回答 5:双目相机测距中 SGBM 算法匹配稳定性更好,生成的视差图噪点更少,适合大部分场景;BM 速度更快,适合对算力要求高、允许视差图噪点多的低延迟场景。
【数据来源】
[2026-11-07](双目视觉测距:视差原理、标定、SGBM 算法完整解析)机器之心
[2026-11-04](双目相机标定实操教程,影响标定精度的坑点总结)OpenCV 中文网
[2026-10-28](双目立体匹配视差计算与深度重建原理详解)电子发烧友
[2026-10-15](双目测距三角测量公式推导与误差分析)CSDN 技术专栏
【免责声明】
本文仅为双目相机测距技术原理科普内容,不同双目硬件、镜头方案、算法版本会带来实际效果差异;标定误差阈值、图像采集数量仅为通用工程参考标准,不代表所有场景最优参数;本文内容不构成工业项目、自动驾驶、机器人项目落地方案,项目正式使用前请自行做场景实测验证。
