7、被动3D成像技术的原理、系统及应用详解

被动3D成像技术的原理、系统及应用详解

1. 立体视觉精度影响因素

在立体视觉中，图像分辨率和基线距离对立体不确定性有着重要影响。图像分辨率越高、基线距离越大，精度就越好，但这两者都会带来其他方面的成本。例如，高分辨率需要更高的存储和处理能力，大基线则可能增加系统的体积和复杂性。

可以通过一个简单的方法来评估3D重建的精度：将一个具有高纹理的平面目标放置在传感器的不同深度处，对测量数据拟合最小二乘平面，并测量残差均方根误差（RMS）。在大多数情况下，这能很好地衡量深度重复性，不过如果存在显著的系统误差，比如立体相机参数校准不准确，就需要更复杂的处理流程和地面真值测量设备。拍摄已知大小和形状的目标（如纹理立方体）在不同深度的图像，可以展示在三个空间维度上的重建性能。

2. 运动结构恢复（Structure from Motion，SfM）

SfM是指从图像对应关系中同时恢复3D结构和相机相对位姿（位置和方向），适用于移动相机拍摄图像的情况。它包含三个子问题：
- 对应问题 ：确定一帧图像中的哪些元素对应于下一帧图像中的哪些元素。
- 自我运动和重建问题 ：确定相机的运动（有时称为自我运动）和所观察世界的结构。
- 分割问题 ：提取对应于一个或多个移动物体的区域。

在动态场景中，可以识别并去除属于移动物体的特征作为异常值。或者将环境视为包含未知数量（n）的独立移动物体和一个静态环境，作为n + 1个SfM子问题，每个子问题都有自己的F矩阵。但在后续讨论中，假设场景是静态的，没有移动物体。