立体视觉：深度估计答案

【问题标题】：Stereo vision: Depth estimation立体视觉：深度估计
【发布时间】：2013-11-26 05:44:09
【问题描述】：

我正在处理立体视觉任务，我想获得立体视觉相机和物体之间的距离。我正在使用带有计算机视觉系统工具箱的 Matlab。
我使用“Matlab 的相机校准工具箱”校准了相机，因此我有左右相机的内在参数和外在参数（右相机与左相机的位置）。我还有一对校正图片和他们的视差图。为了估计视差，我使用了 Matlab 函数 disparity()。我知道相机的基线和焦距，但我的结果仍然是错误的。

baseline = 70 mm
focal length = 25 mm
disparity = 60 pixels
---------------------
depth = baseline * focal length / disparity = 70 * 25 / 60 = 29 mm

但我知道距离是 cca 600 毫米。这个公式对吗？单位呢？ mm * mm / pixel != mm。特别是我想使用相机矩阵（内在参数）进行计算，但我不知道如何。如有任何提示，我将不胜感激。

【问题讨论】：

标签： matlab stereoscopy matlab-cvst disparity-mapping

【解决方案1】：

就像你说的，你必须把单位转换成毫米。为此，您需要这些公式

z = (b*F) / (d*s)

mm = (mm * mm) / (pixel * (mm/pixel))

在哪里

z = 深度，单位为毫米
b = 以毫米为单位的基线
F = 焦距，单位为毫米
d = 像素深度
s = 传感器尺寸，单位为毫米/像素。（通常它提供 um，转换之前也是如此）。

编辑

有时您的焦点是以像素为单位的，因此您无需使用传感器尺寸。所以只需使用您的公式：

z = b*F / d
mm = mm * pixel / pixel

【讨论】：

你可以有这个公式的详细信息here
小心你的包围；你是说z = b*F/d*s 还是z = b*F / (d*s)？
感谢@Alexandre，这部分已解决，但不幸的是结果并不好。因为我确定基线、焦距和像素大小，所以视差估计可能不是那么准确。请问你知道如何在这个计算中实现相机矩阵吗？
@PrincAm 我想你正在寻找的是：Homography，这篇文章解释了一点，但尝试搜索单应性以获得更多信息。也许你的视差图不好。好看吗？
@Alexandre 非常感谢您的帮助。最后，我使用了更准确的不同场景。我用 Caltech 的 Camera Calibration Toolbox for Matlab 校准了成对的相机。这个工具箱里面有图像校正和立体三角测量的功能。计算基于从 Toolbox 导出的内在参数和外在参数，因此结果具有更高的准确性。