OpenCV双目测距实战：从标定到3D重建的完整流程（附Python代码）

OpenCV双目测距实战：从标定到3D重建的完整流程（附Python代码）

在计算机视觉领域，双目测距技术因其成本适中、精度可靠的特点，被广泛应用于机器人导航、自动驾驶、工业测量等场景。本文将带你从零开始，通过Python和OpenCV实现一套完整的双目测距系统，涵盖相机标定、立体校正、视差计算到3D重建的全流程，并提供可直接运行的代码示例。

1. 双目视觉基础与环境准备

双目测距的核心原理是三角测量法。当两个相机从不同角度观察同一场景时，物体在左右图像中的位置差异（视差）与物体到相机的距离成反比。具体公式为：

深度Z = (基线距离b × 焦距f) / 视差d

硬件准备建议：

• 两个相同型号的USB摄像头（推荐使用全局快门相机）
• 标定棋盘格（建议打印在硬质材料上）
• 稳固的相机支架（确保基线距离固定）

软件依赖安装：

pip install opencv-contrib-python==4.5.5.64 numpy matplotlib

注意：建议使用OpenCV 4.x版本，部分函数在3.x版本中接口可能不同。如果需要进行GPU加速，可以编译安装支持CUDA的OpenCV版本。

2. 双目相机标定实战

相机标定是双目测距中最关键的环节，标定质量直接影响最终测距精度。我们采用棋盘格法进行标定，主要获取以下参数：