一、單目視覺測距和雙目視覺測距簡介

1、單目視覺測距

模型：深度估計（Depth Estimation）

• 原理：通過深度學習模型（如MonoDepth2、MiDaS）或傳統的計算機視覺方法（如單目相機結合物體大小推斷）估計場景深度。

• 實現方式：

  • 使用卷積神經網絡（CNN）或Transformer模型，從單張圖像預測像素級深度信息。

  • 需要大量帶深度信息的標注數據進行訓練，如KITTI、NYU Depth等數據集。

---

2、雙目視覺測距

模型：立體匹配（Stereo Matching）

• 原理：基于視差計算（Disparity Calculation），通過兩個攝像頭的圖像視差計算目標距離。

• 計算步驟：

  1. 通過SGBM（Semi-Global Block Matching）或深度學習模型（如PASMNet、GA-Net）獲取視差圖。

  2. 結合攝像頭參數（基線長度、焦距）使用公式：

     

     其中：

     • d：目標距離

     • f：攝像頭焦距

     • B：攝像頭基線距離

     • disparity：視差

二、深度學習在雙目視覺測距領域的應用

1、視差圖計算階段

這是深度學習應用最廣泛的階段。傳統方法（如SGBM、BM等）在復雜場景下效果不佳。

（1）什么是視差圖？

• 視差圖（Disparity Map）是表示同一場景在不同視角下圖像中對應點之間水平位移的圖

• 每個像素值代表該點在左右圖像中的水平位移（視差值）

• 視差越大，表示物體距離相機越近

• 視差越小，表示物體距離相機越遠

（2）視差圖的特點

• 灰度圖像：每個像素值表示視差大小

• 顏色越亮：表示視差越大（物體越近）

• 顏色越暗：表示視差越小（物體越遠）

• 黑色區域：表示無法計算視差（遮擋或無效區域）

（3）深度學習方法（如PSMNet、GCNet等）可以：

• 更好地處理遮擋區域
• 提高視差計算的準確性
• 減少計算時間
• 更好地處理弱紋理區域

2、特征提取階段

使用卷積神經網絡（CNN）提取更魯棒的特征

相比傳統SIFT、SURF等特征，深度學習特征：

• 具有更強的表達能力

• 對光照變化更魯棒

• 計算速度更快

3、視差圖優化階段

使用深度學習模型進行視差圖的后處理可以：

• 填充視差空洞

• 平滑視差圖

• 提高視差圖的連續性

4、深度估計階段

直接使用端到端的深度估計網絡

例如：

• MonoDepth2

• DeepStereo

• 這些方法可以直接從雙目圖像估計深度圖

深度學習應用于測距領域的主要優勢：

1. 精度更高：相比傳統方法，深度學習方法的精度顯著提升
2. 魯棒性更強：對復雜場景、光照變化等具有更好的適應性
3. 速度更快：通過GPU加速，可以實現實時處理
4. 端到端訓練：可以直接優化最終目標