### 使用Python和OpenCV生成深度图 为了利用双目摄像头图像生成深度图，可以通过计算左右图像的视差图并应用几何公式完成。以下是具体方法： #### 1. 加载和预处理图像 加载左右两幅校正后的图像，并将其转换为灰度模式以便后续处理。 ```python import cv2 import numpy as np # 加载左右图像 left_image = cv2.imread('left.png', cv2.IMREAD_GRAYSCALE) right_image = cv2.imread('right.png', cv2.IMREAD_GRAYSCALE) if left_image is None or right_image is None: raise ValueError("无法读取图像文件，请检查路径是否正确") ``` #### 2. 配置立体匹配算法 使用半全局块匹配（SGBM）算法来计算视差图。此算法能够提供更高质量的结果，尽管其计算成本较高。 ```python # 定义 SGBM 参数 window_size = 3 min_disp = 16 num_disparities = 96 - min_disp stereo = cv2.StereoSGBM_create( minDisparity=min_disp, numDisparities=num_disparities, blockSize=16, P1=8 * 3 * window_size ** 2, P2=32 * 3 * window_size ** 2, disp12MaxDiff=1, uniquenessRatio=10, speckleWindowSize=100, speckleRange=32 ) # 计算视差图 disparity_map = stereo.compute(left_image, right_image).astype(np.float32) / 16.0 ``` #### 3. 转换视差图为深度图 根据几何原理，深度 \( D \) 可由以下公式计算得出： \[ D = \frac{f \cdot B}{\text{Disparity}} \] 其中： - \( f \) 是相机焦距， - \( B \) 是基线长度（左右相机光心间的距离）， - \( \text{Disparity} \) 是视差值。 假设已知相机参数，则可实现如下代码： ```python # 假设相机焦距 f 和基线长度 B focal_length = 1000 # 单位：像素 baseline = 0.1 # 单位：米 # 将视差图转换为深度图 depth_map = (focal_length * baseline) / (disparity_map + 1e-7) # 添加小量防止除零错误 depth_map[disparity_map == 0] = 0 # 处理未检测到视差的位置 ``` #### 4. 显示结果 最后，可视化生成的深度图以验证效果。 ```python # 归一化深度图便于显示 normalized_depth = cv2.normalize(depth_map, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U) # 显示深度图 cv2.imshow('Depth Map', normalized_depth) cv2.waitKey(0) cv2.destroyAllWindows() ``` --- ### 注意事项 - 输入的左右图像需经过极线对齐处理[^2]。 - 视差范围的选择应依据实际场景中的物体分布调整 `minDisp` 和 `numDisparities` 参数[^2]。 - 若硬件条件允许，建议降低分辨率以提高实时性能。 ---