双目测距公式解析

最新推荐文章于 2025-06-25 16:38:35 发布
最新推荐文章于 2025-06-25 16:38:35 发布
阅读量4.7k 收藏 31
点赞数 5
CC 4.0 BY-SA版权
分类专栏： 双目测距原理 文章标签： 双目测距 原理图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_41013470/article/details/83149277
本文深入解析双目视觉测距中关键的视差计算公式，通过直观的几何图形解释，帮助读者理解视差概念及其实现原理。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

看双目测距的时候一个公式就给难住了，网上各种解析很多更是弄得云山雾绕，写下自己的一点理解，自认为非常合理。

就是这个公式：                     \huge \frac{T-(x^{l}-x^{r})}{Z-f}=\frac{T}{Z} \rightarrow Z=\frac{fT}{x^{l}-x^{r}}

点P在成像平面上的两个点Pl、Pr的坐标分别是\LARGE (x^{l},y^{l})(x^{r},y^{r})

所谓视差，就是指左右图像上的相同特征点在x坐标上的差值，即图中的d,再看一张图

 

红色矩形框内的是Pr点在左边成像平面上的相同位置点，则视差d就很明显了，就等于左边绿色线段与黄色线段之和，这段距离长度是Xl-Xr，而两条绿色线段等长（很明显吧，两个成想平面一样大，绿色线段是相对称的线段）。所以利用红色三角形相似于蓝色三角形，红色三角形的底边长就是d,然后就得到了下面的公式

\huge \frac{T-(x^{l}-x^{r})}{Z-f}=\frac{T}{Z} \rightarrow Z=\frac{fT}{x^{l}-x^{r}}

 

 

 

 

 

 

 

 

双目测距深度公式推理。
To be a better man
05-24 1065
由zf=xxl\frac{z}{f}=\frac{x}{xl}fz​=xlx​得 z=f.xxlz=f . \frac{x}{xl}z=f.xlx​ (1) 由zf=x−bxr\frac{z}{f}=\frac{x-b}{xr}fz​=xrx−b​得 z=f.x−bxrz=f . \frac{x-b}{xr}z=f.xrx−b​(2) 由（1）（2）得 f.xxl=f.x−bxrf . \frac{x}{xl} = f . \frac{x-b}{xr}f.xlx​=f.xrx−b​ 即：xxl=x−b.
双目相机测距原理
qq_44089890的博客
04-09 2万+
【代码】双目相机测距原理。
双目测距算法：从基础到实践
最新发布
weixin_42581846的博客
06-25 1120
图像配准定义为将两幅图像进行对齐的过程，以便一个图像中的相应点在另一个图像中有已知的位置。这通常涉及到寻找一个变换函数，它能够描述从一幅图像到另一幅图像的映射。图像配准的应用场景广泛，例如在医学影像中，不同时间点获取的图像需要配准以便进行病变分析；在遥感领域，不同时间、不同传感器获取的图像需要配准，以分析地表的变化等。特征匹配的目的是在不同的图像中识别出对应的特征点，它通常用于处理图像配准和三维重建等问题。特征匹配方法主要有基于区域的匹配、基于特征的匹配和基于模型的匹配。
双目相机视差测距
目标检测、LLM相关
04-06 5617
双目相机视差测距
双目测距数学原理详解
热门推荐
持久决心的博客
12-21 3万+
前言最近用到了双目测距的知识，乍想一下这应该是一个很简单很经典的知识了，理论介绍应该很对并且很详尽才对。可是真正想要明白到能给别人讲懂，还是花了一番功夫。网上的类似的文章很多，但是到多都是一样的知识的重复，看过的人不知道看没看懂就转载，没有加自己感想，导致我理解花了一番功夫，所以还是写一篇记录下吧。如果真的献丑了，请大家包含并指正，共同进步。双目测距理论相机成像中的坐标系
双目测距
qq_32951799的博客
10-16 1112
1.图像处理 MATLAB 读取摄像头 https://blog.youkuaiyun.com/qq_27531383/article/details/60959841 2.调用Matlab摄像头函数，拍照并保存 https://blog.youkuaiyun.com/xs1997/article/details/72423321 3.双目标定之Matlab 2015工具箱标定步骤 https://blog.c...
双目测距算法
12-18
双目测距算法，利用两个摄像头读入视频，进行配准定位，进行测距
双目视觉的距离探测公式
weixin_34344403的博客
11-18 1138
　　双目摄像头可以完成所有单目摄像头能完成的功能，同时能够获得后者永远无法企及的深度信息。　　无论何种状态的驾驶系统，无人的还是有人的，对障碍物的信息最重要的是障碍物与自车之间的距离，其次才是识别障碍物的类型。　　准确判断障碍物与自车间的距离是保证车辆安全的首要信息，只有获得准确的距离信息，才能准确得出有可能发生碰撞的时间，也就是TTC。单纯识别障碍物毫无意义，识别出前方是个小孩，但无法得出准确距...
双目测距原理
smileindark的专栏
02-29 1693
总结:使用OpenCV进行的立体视觉测距,其实思路是这样的:根据摄像头的成像原理(表现为小孔成像等效模型)和具体设备的成像特性(表现为光心距离,两个焦距,两个镜头安装的相对位置),设法建立像和真实世界的映射关系(表现为上述五个参数),并以摄像机系统为参考系,为真实世界建立绝对坐标系(该坐标系的具体形式请看下文),通过上述映射关系,该方法能够把像点所在的世界坐标位置求解出来,实现距离测量.在针孔模型中，光线穿过针孔（也就是凸透镜中心）在焦距处上成像，因此，图3的像平面就是摄像头的CCD传感器的表面。
双目测距原理 两公式区别
qq_40250786的博客
10-13 1098
我在学习上述两个博客时发现，两者对于双目视觉深度值计算公式的推导过程有些细微的出入。 如图1所示，其中xl与xr，分别为左右相机像平面上的成像点距主点的距离（x方向），可以理解为x1与xr，是在相机坐标系测得的。 如图2所示，其中xR与xT分别为左右相机像平面上的成像点距像平面左边缘的距离，可以理解为xR与xT是在像素坐标系测得的。 问题：上述两公式虽然计算视差值采用的坐标系不同，但后续计算双目深度值时的公式又是相同的，这如何理解？又有何不同之处？ 解释 ·首先，需要确认的是两种公式的推导方式都是正确的
双目摄像头测距算法
吴建明wujianming_110117
03-11 4380
双目摄像头测距算法 输入输出接口 Input： （1）左右两个摄像头采集的实时图像视频分辨率（整型int） （2）左右两个摄像头采集的实时图像视频格式 （RGB，YUV，MP4等） （3）摄像头标定参数（中心位置（x,y）和5个畸变 系数（2径向，2切向，1棱向），浮点型float） （4）摄像头初始化参数（摄像头初始位置和三个坐标方向 的旋转角度，车辆宽度高度车速等等，浮点型float） Out...
基于双摄像头的立体双目测距算法
12-27
基于双摄像头的立体双目测距算法，基于directshow获取双摄像头图像，再进行测距处理等
sift算法实现双目测距
11-13
用opencv以及sift算法实现的双目测距工程，测量误差在500mm-1000mm时达到5mm以内
双目测距理论
终结大笨狗的博客
12-21 1559
转载：http://blog.youkuaiyun.com/u013832707/article/details/53781810双目测距理论相机成像中的坐标系 三维估计实际场景中物体的三维坐标可以通过双目立体视觉技术来确定。如下图是双目立体视觉原理图，OL和OR是左右相机的光心，它们的光轴和各自的成像平面如图所示。假设两相机的内部和外部参数完全相同，焦距为f，光心之间的距离（基线）为B，两台相机在同
双目测距 单目标点测距工程实践
Xll_dang的博客
08-31 3789
一、双目测距原理 双目测距的原理可以简单归结为相似三角形测距法，如下图所示： 根据上面的公式，要获得距离Z，需要首先得到焦距f，两相机中心距B以及视差d。f和B可通过相机标定获得，而后面要做的大量的工作就是为了获得视差d。关于原理想要详细了解的童鞋建议去读 学习OpenCV3 中文版.pdf 中的第18、19章，里面对相机标定、三维视觉的内容作了详细讲解，此处就不再赘述。 二、基本流程 双目测距的基本流程一般包含以下几步：双目标定-->立体校正（含消除畸变）-->立体匹配...
双目测距与三维重建
weixin_33998125的博客
05-09 1241
OPENCV 中文参考资料:http://www.opencv.org.cn/index.php/Cv%E7%85%A7%E7%9B%B8%E6%9C%BA%E5%AE%9A%E6%A0%87%E5%92%8C%E4%B8%89%E7%BB%B4%E9%87%8D%E5%BB%BA#Rodrigues2 原帖地址:http://blog.youkuaiyun.com/chenyusiyuan/archive...
双目测距 BM算法 Python版
黎国溥
09-17 1万+
前言 首先进行双目定标，获取双目摄像头内部的参数后，进行测距。本次的双目视觉测距，基于BM算法。 注意：双目定标的效果会影响测距的精准度，建议大家在做双目定标时，做好一些（尽量让误差小） 如果不太了解双目视觉原理，建议先看看这篇文章：一篇文章认识《双目立体视觉》 一、双目测距 效果 基于BM算法，生成视差图的效果 用鼠标点击视差图，程序会自动计算该点的世界坐标、距离，输出信息如下： 像素坐标 x = 523, y = 366 世界坐标xyz 是： 0.37038836...
双目测距算法matlab模拟,基于BM算法的双目测距.pdf
weixin_32159633的博客
03-22 836
基于BM算法的双目测距中国科技论文在线基于BM 算法的双目测距#1 1 2**李依哲 ，陈振学 ，王风云(1. 山东大学控制科学与工程学院，济南 250061 ；5 2. 山东省农业科学院科技信息研究所，山东济南 250100 )摘要：视觉测距是计算机视觉的重要组成部分，而目前测距的方法主要分为单目和双目测距。但单目摄像头对物体的...
双目测距公式
03-30
### 双目摄像头测距公式的计算方法 双目视觉的核心原理在于利用两个摄像头捕获同一场景的不同视角图像，通过分析这两张图像中的视差（disparity），进而计算目标物体的距离。以下是具体的计算过程及相关公式： #### 基本概念 1. **视差定义** 视差是指同一个空间点在两幅图像上的投影位置之差。假设某一点 \( P \) 在左摄像机图像平面的水平坐标为 \( x_L \)，而在右摄像机图像平面的水平坐标为 \( x_R \)，则其视差可以表示为： \[ d = x_L - x_R \][^2] 2. **几何关系** 设定双目系统的基线长度为 \( B \)（单位：米），焦距为 \( f \)（单位：像素或毫米）。根据三角测量原理，目标点 \( P \) 的深度 \( Z \) （即距离）可以通过以下公式计算： \[ Z = \frac{B \cdot f}{d} \][^3] #### 参数说明 - \( B \): 表示两个摄像头中心之间的物理间距（基线长度）。 - \( f \): 摄像头的焦距，在标定时获得。 - \( d \): 左右图像对应点间的视差。 需要注意的是，上述公式基于理想模型推导而来，实际应用中需考虑镜头畸变等因素的影响[^4]。 #### 镜头畸变校正 为了提高测距精度，必须对摄像头进行标定以消除各种类型的畸变。主要涉及以下几个方面： - 径向畸变由参数 \( k_1, k_2, k_3 \) 描述； - 切向畸变由参数 \( p_1, p_2 \) 描述。 完成标定后可以获得各摄像头的内参矩阵以及它们之间的相对位姿（旋转矩阵 R 和平移矢量 t），从而进一步优化三维重建效果。 ```python def calculate_distance(baseline, focal_length, disparity): """ Calculate the distance to an object using stereo vision. Parameters: baseline (float): Distance between two cameras in meters. focal_length (float): Focal length of camera lenses in pixels or millimeters. disparity (float): Horizontal difference in position of a point seen by both cameras. Returns: float: Depth/Distance from the cameras to the observed point. """ if disparity == 0: return float('inf') # Avoid division by zero when there's no disparity depth = (baseline * focal_length) / disparity return depth ``` 此函数实现了基本的双目测距功能，输入包括基线宽度、焦距和视差值，输出为目标点至相机阵列的垂直距离。 ---
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值