目录1.双目成像原理2.双目测距python代码3.python代码转为c++代码(1)双目相机参数（2）立体校正（3）立体匹配4.opencv的点云图转为ros点云图1.双目成像原理摘自《视觉SLAM

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档前言双目成像技术是利用机器视觉，通过两个相机同时同步对图片进行采集，获取左右两相机对一幅图像的对应点成像的像素差获取深度信息，进而获取三维信息

D400系列的相机，如D435i相机，D455相机等，本文主要使用D435i相机D435i相机是一个RGB-D相机，也就是我们常说的深度相机，目前深度相机的实现原理主要分为三种：分别是结构光，Tof，双目成像

目前主流的3D深度摄像主流有三种方案：结构光、TOF、双目成像。结构光（StructuredLight）：结构光投射特定的光信息到物体表面后，由摄像头采集。

双目成像在两个不同姿态的相机内外参已知的前提下，根据对P点拍摄两张不同角度的图像，根据两幅图像中的一对同名点，可以确定两条射线，两条射线的焦点就是P点在世界坐标系下的位置，称此过程为双目交汇，寻找同名点的过程为双目立体匹配

参考文章1、理想双目相机成像模型计算深度基本原理左右两个相机位于同一平面（光轴平行），且相机参数（如焦距f）一致。深度：z=f*b/d计算深度所需数据如下(1)、基线b、焦距f可通过相机标定获得。(2)、相机视差d，即左相机的每个像素点(xl,yl)和右相机中对应点(xr,yr)的对应关系，可通过极线约束及图像匹配算法对两个相机的像素点进行快速地匹配。极线约束极线约束（EpipolarConstr

双目成像技术是利用机器视觉，通过两个相机同时同步对图片进行采集，获取左右两相机对一幅图像的对应点成像的像素差获取深度信息，进而获取三维信息，来实现对物体的重建。

目录双目成像简单分析双目成像简单分析1.双目视差推导(对14讲上内容的一些深入解释)对于十四讲中的推导有些疑惑，给出了结果，但是推导部分感觉不太严谨，所以简单推了一下。

一、基础矩阵原理介绍1、对极几何本质上两幅图之间的对极几何是图像平面与以基线为轴的平面束的交的几何，这种几何被广泛同于双目成像原理中如图所示，摄像机由相机中心C,C’以及各自的成像平面表示，对于任意一个空间中的点

文章目录前言影像坐标系相机坐标系世界坐标系影像坐标系与相机坐标系之间的相互转换相机坐标系与世界坐标系之间的相互转换前言  通过模拟人眼立体视觉，两个摄像机拍摄同一场景可构成双目成像模型，或者在单相机航空摄影以及时序序列摄影中

1.视差与深度信息根据双目成像原理，两幅图像摄像机光心位置不同，而且可以看到场景中同一个场景点，则根据此场景点在两幅图像中的#F00图像坐标（FilmCoords/ImagePlane）之差（Disparity

对极几何与基本矩阵标签（空格分隔）：slam对极几何本质上两幅图之间的对极几何是图像平面与以基线为轴的平面束的交的几何，这种几何被广泛同于双目成像原理中如图所示，摄像机由相机中心C,C’以及各自的成像平面表示

关于双目的标定有一类方法是基于本质矩阵（Essentialmatrix）的标定方法，本质方程与基础方程都是刻画双目视觉极几何关系的两个方程，只不过它们所使用的坐标系不一样而已，本质方程是在相机光心坐标系下描述的双目成像几何关系