立体深度估计
立体深度估计通过比较两个稍微偏移的相机视图来恢复物体的距离，就像您的两只眼睛一样。
概述
It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.
深入探讨
立体深度估计使用两个相距固定距离（基线）的相机。世界上的同一点在左右图像中的水平位置略有不同，这种移动称为视差。附近的物体移动很多；远处的人几乎不动。深度的计算公式为（焦距 x 基线）/视差，因此深度和视差呈反比关系。困难的部分是匹配两个图像之间的像素，尤其是在平坦的墙壁、重复图案或许多像素看起来相同的反射表面上。半全局匹配等经典方法沿着扫描线扫描，而 PSMNet 和 RAFT-Stereo 等现代深度网络则学习丰富的特征并迭代地细化视差，即使在棘手的区域也能产生密集、准确的深度。
技术洞察
首先对两个图像进行校正，使匹配点位于同一水平行，从而将搜索减少到一维。通过测试每个像素的每个候选视差，测量左右特征的一致性程度来构建成本量。网络通过 3D 卷积或循环更新来聚合该体积，然后对视差进行软精算以获得子像素精度。视差和深度之间的反比关系意味着远处的深度本质上比近处的深度噪声更大。
战略影响
速度与规模
视觉人工智能可以大规模自动化检查、检测和标记任务。
构建选择
创意团队可以通过更少的手动修改更快地构建概念原型。
团队与工作流程
操作可以使用以前难以处理的图像和视频信号。
立体深度估计的未来
预计立体声与激光雷达、雷达和单目线索会更紧密地融合，这样当一个传感器发生故障时，系统就会优雅地降级。基于 Transformer 的匹配和自我监督训练（从没有真实深度的原始视频中学习）正在减少对昂贵的标记数据的需求。设备上的效率正在快速提高，为无人机、AR 眼镜和廉价机器人提供了实时立体声。即使在弱光、运动模糊和无纹理场景中，事件相机和学习的活动模式也能保证可靠的深度，而这些都击败了当今的方法。
现实世界的实施
自动驾驶和驾驶员辅助系统使用立体摄像头来测量与汽车、行人和路缘石的距离，以进行制动和车道保持。
仓库和农业机器人构建 3D 地图来抓取物体、避开障碍物并在正确的深度采摘水果。
AR/VR 耳机（例如直通设备）可以估计房间的几何形状，以便虚拟对象正确地放置在真实表面上。
火星漫游车（例如“毅力号”）使用立体导航相机在没有 GPS 的情况下在岩石地形上规划安全路径。
风险与防护栏
如果出处不明，肖像权和同意可能会成为法律风险。
模型性能可能因光照、人口统计和环境的不同而有所不同。
除非监控置信阈值，否则误报可能会被忽视。
实施路线图
定义精确度、召回率和错误成本的接受标准。
使用符合实际生产条件的数据进行测试。
为低置信度或高影响力的预测添加人工审核。
跟踪模型漂移并在相机或数据集更改后重新验证。
不断探索
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Stereo Depth Estimation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
常见问题
What is Stereo Depth Estimation?
立体深度估计通过比较两个稍微偏移的相机视图来恢复物体的距离，就像您的两只眼睛一样。它将平面图像转换为机器人、汽车和手机用来了解空间的 3D 距离图。
什么是立体视觉的“视差”？
视差是对应点在两个校正视图之间水平移动的距离；视差越大意味着物体越近。
深度与视差有何关系？
深度 =（焦距 x 基线）/视差，因此当视差缩小时，估计深度会增加。远处的物体差异很小。
为什么在匹配之前要对图像进行“校正”？
校正会扭曲两个图像，因此匹配仅限于一条水平线，从而将 2D 搜索转变为快速的 1D 搜索。
哪种场景立体匹配最难？
无纹理或重复的表面使许多像素看起来相同，因此算法无法自信地找到正确的匹配。
“基线”指的是什么？
基线是两个相机中心之间的距离；更宽的基线可以提高远处物体的准确性。