【双目测距】OpenCV中实现双目测距及相机畸变校正

在OpenCV中实现双目测距通常涉及以下几个步骤：

1. 摄像头标定： 使用OpenCV的cv::calibrateCamera()函数来获取相机的内参矩阵(intrinsic matrix)、畸变系数(distortion coefficients)、旋转矩阵和平移向量(rotation and translation vectors)。这些参数用于后续的双目图像的校正和深度图的计算。

2. 双目摄像头校准： 如果使用两个相同的摄像头进行双目视觉，需要确保两个摄像头的内参相同，并且它们之间的相对位置和姿态已知。如果使用不同的摄像头，需要使用cv::stereoCalibrate()函数来获取两个摄像头间的外参矩阵(extrinsic matrix)。

3. 双目图像校正： 使用cv::undistortPoints()函数对双目图像进行畸变校正，得到校正后的图像坐标点。

4. 双目匹配： 使用cv::StereoBM或cv::StereoSGBM等双目匹配算法来找到左图和右图之间的对应点。

5. 计算视差图（Disparity Map）： 视差图表示了图像中每个像素点在左右图像中的水平位移，视差越大，物体越近。使用双目匹配算法得到的对应点来计算视差图。

6. 视差图到深度图的转换： 视差图可以转换为深度图，深度图表示了每个像素点到相机的距离。转换公式为：depth = baseline * focal_length / disparity，其中baseline是两个摄像头之间的基线距离，focal_length是相机的焦距。

7. 3D点云重建： 使用深度图和相机内参，可以计算出场景中每个像素点的三维坐标，生成3D点云。

下面是一个简化的示例代码片段，展示了如何在OpenCV中使用双目匹配来计算视差图：

#include <opencv2/opencv.hpp>
#include <opencv2/calib3d.hpp>

int main(int argc, char** argv) {
    // 读取左图和右图
    cv::Mat leftImage = cv::imread("left.jpg", cv::IMREAD_GRAYSCALE);
    cv::Mat rightImage = cv::imread("right.jpg", cv::IMREAD_GRAYSCALE);

    // 创建SGBM对象
    cv::Ptr<cv::StereoSGBM> sgbm = cv::StereoSGBM::create();
    
    // 计算视差图
    cv::Mat disparity;
    sgbm->compute(leftImage, rightImage, disparity);

    // 显示视差图
    cv::imshow("Disparity", disparity);
    cv::waitKey(0);

    return 0;
}

在实际应用中，你需要根据具体情况调整参数，并处理可能出现的问题，如不正确的匹配、视差图噪声等。此外，为了获得更准确的测量结果，可能还需要进行视差图平滑、深度图后处理等步骤。

在OpenCV中实现双目测距的完整代码包含多个步骤，包括摄像头标定、双目标定、双目校正、双目匹配、视差计算和深度计算。以下是一个示例代码，它演示了这些步骤的基本实现：

#include <opencv2/opencv.hpp>
#include <opencv2/calib3d.hpp>
#include <vector>

// 标定函数
void calibrateCameras(const std::vector<std::string>& imagePathsLeft, const std::vector<std::string>& imagePathsRight, cv::Size imageSize, cv::Mat& cameraMatrixLeft, cv::Mat& distC