双目三维重建_聊聊三维重建双目立体视觉原理
点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
作者：Tengfei Jiang
https://zhuanlan.zhihu.com/p/81016834
本文已由原作者授权，不得擅自二次转载
前言
三维重建是个跨多学科的应用领域，围绕不同的尺度大小、不同速度要求、不同精度要求、不同硬件成本等要求发展出了各种各样的技术方案。在这个应用领域，充分体现了，没有最好的设备，只有最合适的方案。在本系列文章中，我尝试解释接触过的不同技术方案，如有错误之处，敬请斧正。双目立体视觉原理
视差 (Disparity) 及 深度计算
人依靠两只眼睛判断深度(物体离眼睛的距离)，具体是如何来判断的呢，我们从小到大似乎并未接受过深度计算的训练。视差(Disparity)是解释原理的基本概念之一。我们可以做个简单的实验，将手指置于双目之间，分别开闭左右眼。怎么样，是不是发现手指不在同一个位置？这就是视差。
、
即为投影点。注意现在说的所有坐标都是定义在同一个坐标系内，坐标原点与标架已经在图中左下角标识出来了。 现在问题来了，已知
，已知d、b、f，求z。这是一个初中几何题，答案很简单：
从公式可以看出，视差 d和深度z成反比关系。视差越大，可以探测的深度越小。b是两个相机光心的距离，又叫基线(baseline)，f是相机的焦距。f、b与深度均成正比关系。
立体匹配
从上一节可以看到，如果要计算深度，我们需要知道视差、基线、焦距。另外注意，上文的推导是基于理想模型，比如不考虑相机的畸变，不考虑双相机光轴不平行的情况。
在视差计算之前，我们首先给定了两个投影点。但实际应用中，我们并不知道左右相机中哪两个点是对应点。查找对应点是双目立体视觉中非常核心的步骤，可以毫不夸张地说，大部分的结构光重建方案解决的都是如何准确快速地匹配对应点。在介绍具体方案之前，有些通用的背景知识稍微铺垫一下。
对极几何(Epipolar Geometry)是一个内容非常丰富的范畴(本文不想铺展太多，只是选择几个概念简单描述，详细内容可以参考《计算机视觉中的多视图几何》一书)。对极几何描述的是三维点与两个相机相平面之间的特殊几何关系，我们先看下图的模型。
其中C0、C1为两个相机中心，P为空间中一点，P在C0、C1对应像平面上的投影分别为X0、X1。C0、C1连线与像平面的交点e0、e1称为极点(Epipoles)，l0、l1称为极线(Epipolar Lines)，C0、C1、P三点组成的平面称为极平面(Epipolar Plane)。
这个模型有个有趣的性质。当三维点P沿着
方向接近左相机时，我们发现其在左相机上的投影点X0并不会移动，但是其在右相机相平面上的投影点x1发生了变化，其移动轨迹一定是沿着极线l1。反过来，假设我们并不知道P点坐标，只知道X0是其在左相机上的投影，要寻找其在右相机相平面中的投影，则只需要沿着极线l1搜索即可。这个性质使得对应点匹配的搜索空间直接从2维降低到1维。
聪明的同学看到这肯定会问了，没有P点怎么知道极线在哪，这不是因果不分么？事实上极线的位置仅和X0以及相机的内外参有关，和P点位置无关。这就引出了接下来的约束。在对极几何中有个非常著名的约束---对极约束(Epipolar Constraint)形式化地描述了对应点 X0、X1之间的几何关系：
其中F是基础矩阵(Fundamental Matrix)。这个式子是如此简洁，以至于忍不住想要推导一番，推导过程见附录1。
极线矫正 对极约束描述了对应点匹配可沿极线搜索。在实际应用中，两个相机摆放一定是不平行的，因而相平面中的极线大概率是条斜线，这就给搜索过程带来了不便，为了简化过程，还需要引入额外的极线矫正步骤，使得两相机的极线共线且平行于相平面的X 轴。矫正前后的效果如下面两张图所示，应该比较直观。
对应点查找经过上述处理后，要生成视差图，最核心的步骤就是在相平面的同一行上，查找对应点了。查找的方法有多种，大体上可以分成两类。
(1)提取图像特征该类方法可以对每张图像单独进行分析，提取“特征”。这里特征可以有不同的表示方法，如边缘、角点等，也可能来自其他主动投射的结构光信息，如正弦条纹相位值、编码值等，通过在双目图像之间查找相同(相似)特征来确定对应点。
(2)使用相关关系 该类方法假设对应点小领域内有相似的亮度模式，因而可以用两者的相关关系来定位。为了增加额外的亮度变化信息，通常会通过主动光源投射随机散斑这类图案。
具体的结构光重建原理会在后续文章中展开讨论。
参考
附录
对极约束证明:
上述内容，如有侵犯版权，请联系作者，会自行删文。
交流群
欢迎加入我们公众号读者群一起和同行交流，目前有3D视觉、深度学习、激光SLAM、VSLAM、三维重建、点云后处理、图像处理、手眼标定、自动驾驶、位姿估计等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。
知识星球
学习3D视觉核心技术，扫描查看详情，3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题