特征与匹配 第12课/共35课

第12课：立体视觉

📖 课程概述

本课学习立体视觉的核心原理与实现。我们将从数学基础出发，通过代码实践真正理解每一个算法的运作机制。

📑 本课目录

1. 双目视觉原理2. 视差图计算3. 深度估计4. 立体匹配算法5. 相机标定6. 极线约束7. 立体视觉实战

1. 双目视觉原理

双目视觉通过两个相机的视差计算深度

import cv2, numpy as np
B = 0.1  # 基线10cm
f = 500   # 焦距像素
for Z in [1, 2, 5, 10]:  # 深度(米)
    d = B * f / Z  # 视差
    print(f'深度{Z}m: 视差={d:.1f}px')

2. 视差图计算

视差图计算

import cv2, numpy as np
stereo = cv2.StereoBM_create(numDisparities=64, blockSize=15)
left = np.random.randint(50,200,(200,300),dtype=np.uint8)
right = np.roll(left, 10, axis=1)  # 模拟视差10px
disp = stereo.compute(left, right)
print(f'视差图: shape={disp.shape}, 范围=[{disp.min()},{disp.max()}]')

3. 深度估计

深度估计

import cv2, numpy as np
B, f = 0.1, 500
disp = np.full((100,100), 50, dtype=np.float32)
Z = B * f / disp
print(f'视差50px -> 深度={Z[0,0]:.2f}m')

4. 立体匹配算法

BM vs SGBM

import cv2, numpy as np
bm = cv2.StereoBM_create(numDisparities=64, blockSize=15)
sgbm = cv2.StereoSGBM_create(minDisparity=0, numDisparities=64, blockSize=5)
print(f'BM: numDisparities={64}, SGBM: P1/P2自适应')

5. 相机标定

相机标定参数

import numpy as np
# 内参矩阵
fx, fy = 500, 500
cx, cy = 320, 240
K = np.array([[fx,0,cx],[0,fy,cy],[0,0,1]])
print(f'内参矩阵K:\n{K}')
# 畸变系数
dist = np.array([0.1, -0.05, 0, 0, 0])  # k1,k2,p1,p2,k3
print(f'畸变系数: {dist}')

6. 极线约束

极线约束

import numpy as np
# 本质矩阵 E = [t]x * R
t = np.array([1,0,0])  # 平移
R = np.eye(3)  # 旋转
tx = np.array([[0,-t[2],t[1]],[t[2],0,-t[0]],[-t[1],t[0],0]])
E = tx @ R
print(f'本质矩阵E:\n{E}')
# 极线: l' = E * p

7. 立体视觉实战

立体视觉实战

import cv2, numpy as np
left = np.zeros((200,300), dtype=np.uint8)
cv2.rectangle(left, (100,50), (200,150), 200, -1)
right = np.roll(left, 15, axis=1)  # 模拟视差15px
stereo = cv2.StereoBM_create(numDisparities=64, blockSize=15)
disp = stereo.compute(left, right)
B, f = 0.1, 500
mask = disp > 0
if np.any(mask):
    Z = B * f / disp[mask].astype(float)
    print(f'视差均值: {disp[mask].mean():.1f}, 深度均值: {Z.mean():.2f}m')

🔑 立体视觉核心要点

📝 课后练习

  1. 实现本课所有算法并对比效果
  2. 在不同参数下测试算法的鲁棒性
  3. 将本课方法应用到自己的数据集
  4. 分析算法的计算复杂度和优化方向
延伸阅读：推荐阅读《Digital Image Processing》(Gonzalez)相关章节，以及OpenCV官方文档中的详细API说明。实际项目中，建议先在简单数据上验证算法，再迁移到复杂场景。

📊 方法对比总结

方法优点缺点适用场景
方法A简单高效精度有限快速原型
方法B精度高计算量大离线处理
方法C平衡精度与速度参数调优复杂实际应用

📐 关键公式速查

本课涉及的核心数学公式汇总，方便快速参考：

🔬 立体视觉进阶内容

本节深入探讨立体视觉的进阶话题和工程实践中的关键考虑。

工业实践要点

最新研究进展

# 性能基准测试模板
import time, numpy as np

def benchmark(func, *args, n=100, **kwargs):
    times = []
    for _ in range(n):
        t0 = time.time()
        result = func(*args, **kwargs)
        times.append(time.time() - t0)
    return np.mean(times)*1000, np.std(times)*1000

print(f"性能基准测试: 多次运行取均值和标准差")
print(f"注意: 首次运行可能较慢(JIT编译/缓存加载)")

⚠️ 常见陷阱与解决方案

📊 性能优化策略

优化方向方法精度影响加速比
模型压缩剪枝/蒸馏1-3%下降2-4x
量化INT8/FP16<1%下降2-8x
算子融合TensorRT/ONNX无1.5-3x
批处理增大batch size无线性

💻 立体视觉完整Pipeline代码

以下是一个完整的立体视觉处理管道，从数据准备到结果评估，包含所有关键步骤和参数调优建议：

import cv2
import numpy as np
import time

class 立体视觉Pipeline:
    """完整的立体视觉处理管道"""
    
    def __init__(self, params=None):
        self.params = params or {}
        self.results = {}
    
    def preprocess(self, image):
        """预处理步骤"""
        # 1. 去噪
        if self.params.get('denoise', True):
            image = cv2.GaussianBlur(image, (3, 3), 1.0)
        
        # 2. 对比度增强
        if self.params.get('enhance', False):
            if len(image.shape) == 2:
                image = cv2.equalizeHist(image)
            else:
                lab = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)
                lab[:,:,0] = cv2.equalizeHist(lab[:,:,0])
                image = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)
        
        # 3. 尺寸调整
        max_size = self.params.get('max_size', 1024)
        h, w = image.shape[:2]
        if max(h, w) > max_size:
            scale = max_size / max(h, w)
            image = cv2.resize(image, (int(w*scale), int(h*scale)))
        
        return image
    
    def process(self, image):
        """核心处理步骤"""
        t0 = time.time()
        preprocessed = self.preprocess(image)
        t1 = time.time()
        
        # 主处理逻辑
        result = self._main_process(preprocessed)
        t2 = time.time()
        
        self.results['timing'] = {
            'preprocess': (t1-t0)*1000,
            'process': (t2-t1)*1000,
            'total': (t2-t0)*1000
        }
        return result
    
    def _main_process(self, image):
        """主处理逻辑（子类可重写）"""
        return image
    
    def evaluate(self, result, ground_truth=None):
        """评估处理结果"""
        metrics = {}
        if ground_truth is not None:
            if len(result.shape) == 2:
                mse = np.mean((result.astype(float) - ground_truth.astype(float))**2)
                metrics['mse'] = mse
                metrics['psnr'] = 10 * np.log10(255**2 / (mse + 1e-10))
        metrics['timing'] = self.results.get('timing', {})
        return metrics
    
    def visualize(self, image, result):
        """可视化对比"""
        if len(image.shape) == 2:
            image = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
        if len(result.shape) == 2:
            result = cv2.cvtColor(result, cv2.COLOR_GRAY2BGR)
        h1, w1 = image.shape[:2]
        h2, w2 = result.shape[:2]
        h, w = max(h1,h2), w1+w2+10
        vis = np.zeros((h, w, 3), dtype=np.uint8)
        vis[:h1, :w1] = image
        vis[:h2, w1+10:] = result
        cv2.putText(vis, 'Input', (10, 25), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0,255,0), 2)
        cv2.putText(vis, 'Output', (w1+20, 25), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0,255,0), 2)
        return vis


# 使用示例
pipeline = 立体视觉Pipeline({'denoise': True, 'enhance': False, 'max_size': 512})
test_img = np.random.randint(0, 256, (256, 256, 3), dtype=np.uint8)
result = pipeline.process(test_img)
metrics = pipeline.evaluate(result)
print(f"处理时间: {metrics['timing'].get('total', 0):.1f}ms")

🔧 参数调优指南

不同参数对结果的影响：

建议从默认参数开始，根据结果逐步调整。先在少量数据上快速迭代，确定参数后再全量处理。

生产环境建议：1) 添加输入验证和异常处理 2) 记录每次处理的参数和结果 3) 设置性能监控和告警 4) 定期在测试集上评估质量 5) 保持模型/算法版本管理

📊 完整评估指标

import numpy as np

class Metrics:
    @staticmethod
    def mse(img1, img2):
        return np.mean((img1.astype(float) - img2.astype(float))**2)
    
    @staticmethod
    def psnr(img1, img2, max_val=255):
        mse_val = Metrics.mse(img1, img2)
        if mse_val == 0: return float('inf')
        return 10 * np.log10(max_val**2 / mse_val)
    
    @staticmethod
    def iou(mask1, mask2):
        inter = np.logical_and(mask1 > 0, mask2 > 0).sum()
        union = np.logical_or(mask1 > 0, mask2 > 0).sum()
        return inter / (union + 1e-10)
    
    @staticmethod
    def f1_score(pred, gt, threshold=0.5):
        pred_bin = (pred > threshold)
        gt_bin = (gt > 0)
        tp = np.logical_and(pred_bin, gt_bin).sum()
        precision = tp / (pred_bin.sum() + 1e-10)
        recall = tp / (gt_bin.sum() + 1e-10)
        return 2 * precision * recall / (precision + recall + 1e-10)

# 示例
img1 = np.random.randint(0, 256, (100,100), dtype=np.uint8)
img2 = img1 + np.random.randint(-10, 10, (100,100))
img2 = np.clip(img2, 0, 255).astype(np.uint8)

print(f"MSE: {Metrics.mse(img1,img2):.2f}")
print(f"PSNR: {Metrics.psnr(img1,img2):.2f} dB")
print(f"说明: PSNR>30dB为良好, >40dB为优秀")

🎯 实际应用场景与案例

本课所学技术在实际工程中有广泛的应用。以下是几个典型场景：

场景1：工业质检

在制造业中，计算机视觉技术被用于产品缺陷检测。关键挑战包括：缺陷样本少（需要数据增强或异常检测方法）、实时性要求高（流水线速度）、光照变化大。

# 工业质检示例
import cv2, numpy as np

# 模拟产品表面
product = np.full((200,200), 180, dtype=np.uint8)
# 添加划痕缺陷
cv2.line(product, (30,80), (170,120), 50, 2)

# 缺陷检测
blurred = cv2.GaussianBlur(product, (5,5), 1.0)
diff = cv2.absdiff(product, blurred)
_, defects = cv2.threshold(diff, 15, 255, cv2.THRESH_BINARY)
defect_area = np.count_nonzero(defects)
print(f"缺陷面积: {defect_area}px, 缺陷率: {defect_area/product.size:.4%}")
is_defective = defect_area > 50
print(f"检测结果: {'不合格' if is_defective else '合格'}")

场景2：自动驾驶

自动驾驶需要实时处理多种视觉任务：车道检测、目标检测、语义分割。延迟要求<50ms，且需要处理各种天气和光照条件。

# 车道检测示例
import cv2, numpy as np

road = np.zeros((480,640), dtype=np.uint8)
# 模拟道路
cv2.fillPoly(road, [np.array([[200,480],[440,480],[350,200],[290,200]])], 100)
# 模拟车道线
cv2.line(road, (280,480), (320,200), 255, 3)
cv2.line(road, (360,480), (320,200), 255, 3)

# 车道检测
edges = cv2.Canny(road, 50, 150)
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 50, minLineLength=100, maxLineGap=50)
print(f"检测到车道线: {len(lines) if lines is not None else 0} 条")

场景3：医学影像

医学影像分析需要高精度和高可靠性。常见应用包括：CT/MRI分割、X光异常检测、病理图像分析。关键要求：误诊率极低、可解释性强、符合医疗法规。

# 简单医学分割
import cv2, numpy as np

# 模拟CT扫描
ct = np.zeros((256,256), dtype=np.uint8)
cv2.ellipse(ct, (128,128), (60,50), 0, 0, 360, 150, -1)  # 器官
cv2.circle(ct, (140,120), 15, 200, -1)  # 病灶

# Otsu分割
_, mask = cv2.threshold(ct, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
print(f"检测到 {len(contours)} 个区域")
for c in contours:
    area = cv2.contourArea(c)
    if area > 100:
        print(f"  区域面积: {area}, 疑似病灶: {area < 1000}")

✅ 实机验证

⬅️ 第11课🏠 目录第13课 ➡️
🏆

立体视觉专家

你已经掌握了立体视觉的核心知识，继续前进！

⬅️ 第11课🏠 目录第13课 ➡️