首先，我想知道我们从 opencv reprojectImageTo3D() 函数得到的 3d 点的公制单位。
其次，我用“mm”作为公制单位的棋盘分别校准了每个相机，然后使用opencv函数校准立体系统，校正立体对，然后计算视差图。
基本上我想要边界框中心的距离。 所以我计算视差图并使用 reprojectImageTo3D() 函数将其重新投影到 3D，然后我从那些 3D 点中获取，即对应于 bbox 中心 (x, y) 的点。 但是我应该使用哪个图像来获得 bbox 的中心？改正的还是原来的？
其次，对立体系统使用相同型号的相机是否更好？
谢谢
【问题讨论】：
标签： python opencv computer-vision depth disparity-mapping
在校准过程中 (calibrateCamera)，您必须提供校准目标的点网格。然后，您在此处提供的单位将为该过程的其余部分定义单位。
调用reprojectImageTo3D 时，您可能使用了stereoRectify 输出的矩阵Q，它接受了单独的校准（cameraMatrix1、cameraMatrix2）。这就是单位的来源。
所以在你的情况下，我猜你会得到 mm。
reprojectImageTo3D 必须使用校正后的图像，因为视差是使用校正后的图像计算的（否则将无法正确对齐）。此外，在计算视差时，它是相对于给定的第一张图像（文档中的左侧）计算的。因此，如果您像这样计算视差，则应该使用左校正图像：cv::StereoMatcher::compute(left, right)
我从来没有使用过两个不同的相机，但使用相同的相机是有意义的。我认为，如果您有非常不同的彩色图像、边缘或任何图像差异，则可能会影响视差质量。 实际上非常重要（除非您只处理静态图片）是使用可以通过硬件同步的相机（例如 GENLOCK 信号：https://en.wikipedia.org/wiki/Genlock）。如果您在左右和移动的主体之间有一点延迟，则视差可能是错误的。校准也是如此。
希望这会有所帮助！
【讨论】：
cv::StereoMatcher::compute(left, right) 调整视差图更好还是调整我们在过滤后得到的视差图更好