基于Python与OpenCV的双目测距：原理、标定与实现全解析

简介：基于Python实现双目测距的设计与实现资料，面向机器视觉初学者及需要落地立体视觉项目的开发者，解决如何通过双摄标定、图像匹配与深度映射来测量目标距离的问题。资源打包为RAR格式，共3个文件，其中Python源码演示了从图像预处理、特征匹配到深度估计的完整流程，棋盘格标定图用于计算相机内外参数，license文件则明确使用规范；整个压缩包仅38KB，轻量便携，便于查阅与复用。目前已有422人学习下载，适合入门到进阶的机器视觉研究者参考。内容涵盖OpenCV库使用、双目视觉视差原理、相机标定、立体匹配及深度图生成等关键环节，并配有可直接运行的脚本与实际标定图，可帮助读者快速搭建双目测距原型并理解核心算法流程，同时为后续优化相机参数与匹配策略提供了实践基础。 去年我接手一个自主避障小车的项目，最初天真地想用单目摄像头测距，结果发现路边两根差不多高的柱子站在图像里根本分不清远近。折腾了快一个月，最终换成了基于Python和OpenCV的双目测距方案，才算是把距离数据真正稳定地跑了出来。

这篇博文就把这套“基于Python机器视觉的双目测距设计与实现”完整拆开讲。我会从双目视觉的底层原理讲起，再到环境搭建、相机标定、立体匹配与深度计算，最后附上实际排坑记录。不管你是有一定基础的Python开发者，还是刚接触机器视觉的新手，只要愿意动手跟一遍，都能在本地把整套流程跑通。

1. 项目背景与整体设计思路

1.1 为什么要选双目方案

机器视觉里获取深度信息，主流方案无非这么几类：单目测距、双目测距、结构光、ToF。我做选型时最看重的三点：成本、实时性、室内外通用性。

单目测距本质上是在“猜”，它依靠已知物体尺寸和相似三角形估算距离，一旦目标不是预设的物体就直接失效。结构光和ToF在室内效果不错，但到了户外强光下，红外光被环境光压制，精度掉的厉害。双目测距则完全不同，它模仿人眼，靠两台相机观察同一个场景时的视差来计算深度，不依赖主动光源，室内外都可以用，硬件成本也低——两个普通USB摄像头加一根支架就够。

1.2 系统整体技术架构

整个系统的核心链路是：图像采集、相机标定、立体校正、立体匹配、深度计算。通俗讲就是先让两个相机“认识”到彼此的位置关系，把两幅图拉直对齐，然后找出左图和右图中同一个物体对应点的像素偏差，最后用三角测量公式把这个偏差换算成物理距离。

开发语言选了Python，理由很直接：OpenCV、NumPy的生态太成熟了，图像处理几个核心函数就能搞定，调试也快。对于做课题、做毕设、做小型验证系统的场景，Python是效率最优解。整条流程在普通笔记本上就能运行，一台i5以上的电脑加两个720P摄像头，帧率可以做到10到15帧每秒，完全能满足非实时性要求极高的教学和科研场景。

2. 双目测距核心原理拆解

2.1 视差到底是什么

视差是双目测距的立身之本。先做个最简单的实验：伸出一根手指放在眼前20厘米处，先闭上左眼用右眼看，再闭上右眼用左眼看，会发现手指相对于背景移动了很大一段距离。把手伸远到50厘米，再做同样的动作，手指移动的幅度就明显变小了。这个“移动幅度”就是视差，单位是像素。

两个相机水平放置，观察空间中同一点P，它在左相机成像面上的像素坐标是xl，在右相机是xr，那么视差d = xl - xr。距离越近，视差越大；距离越远，视差越小。

2.2 三角测距公式推导

两个相机光心距离叫基线，记作B，这是硬件上固定的值。相机焦距为f，单位是像素。有了这些量，坐标P到相机平面的距离Z就可以用相似三角形推出：

Z = (f × B) / d

这个公式是整个双目测距系统的灵魂。它告诉我们三件事：基线越长，同样视差下测距越精确，但相机重叠视野变小；焦距越大，测距越远，但视野也变窄；视差d必须精确到亚像素级别，否则距离误差会被放大。

举个例子，假设焦距f=600像素，基线B=6厘米，如果视差计算误差是1个像素，代入公式，Z的误差大约是：Z² × 1 / (f × B)。当Z=1米时误差大概1.7厘米，Z=3米时误差接近15厘米。这就是为什么双目系统在近距离（2米以内）精度尚可，远距离就力不从心。

2.3 相机标定——为什么必须做这一步

两个相机之间存在姿态差异，镜头也有畸变，直接拿原始图像算视差是不行的。标定要解决两件事：一是拿到相机的内参（焦距、主点、畸变系数），二是拿到外参（两个相机之间的旋转矩阵和平移向量）。

这里用到的标准方法是张正友标定法，OpenCV里已经封装成现成的接口了。实际操作中就是打印一张棋盘格标定板，从不同角度拍15到20张照片，然后调用cv2.findChessboardCorners和cv2.calibrateCamera，就能得到整套参数。标定这个环节千万别偷懒，标定的精度直接决定了后面所有距离数据的可信度。

3. 环境搭建与工具选型

3.1 Python与OpenCV环境准备

我使用的版本组合是Python 3.9.x加OpenCV 4.5.x，这两个版本兼容性很稳定。装环境时推荐直接用pip安装核心依赖：

pip install opencv-python opencv-contrib-python numpy

opencv-contrib-python一定要装，因为后面用于立体匹配的SGBM算法就在扩展模块里。如果机器上装了多个Python版本，建议先建一个虚拟环境，避免包冲突。

3.2 双目相机硬件怎么选

最常见的做法是两个同型号USB摄像头并排固定在支架上，简单便宜，适合起步。这里有个关键点：两个摄像头必须保持平行，并且左右高度尽量一致，否则后续图像校正的负担会很大。

如果预算充足，也可以直接买现成的双目模组，比如常见的130度广角双摄模组，出厂时基线固定、同步性好，省去很多校准的功夫。我自己实验时用的是两个罗技C270，配对使用完全够用，但也有个痛点：USB带宽有限，两个摄像头同时跑全分辨率容易掉帧，一般建议降低到640×480分辨率运行。

3.3 图像采集的细节

用OpenCV读取双摄像头的时候，建议单独创建两个VideoCapture对象，分别索引0和1。但直接读取会发现两幅图像存在时间差，因为两个摄像头不是硬件同步的。如果拍摄的是静态场景问题不大，如果是运动物体，照片里的物体会在左右图上位置错位，导致视差计算混乱。

解决办法分成两类：一是对动态要求不高的场景，在写代码时就判断两帧时间戳，尽量挑时间接近的帧；二是换成硬件同步的双目模组，通过一条数据线传输两路图像，这个方案最省心。

4. 系统核心代码实现全解析

4.1 相机标定实操流程

标定的第一步是准备标定板。我用的是7×9的棋盘格标定板，格子边长25毫米。打印出来贴在一块平整的硬纸板上，注意不要折皱，否则标定参数全会偏。

核心思路很简单：把每一张拍摄到的棋盘图像里所有角点位置找出来，然后和已知的物理坐标一一对应。实际代码流程如下：

import cv2 import numpy as np # 棋盘格内部角点数 pattern_size = (7, 9) square_size = 25.0 # 单位mm # 物理坐标系下角点的世界坐标 objp = np.zeros((pattern_size[0] * pattern_size[1], 3), np.float32) objp[:, :2] = np.mgrid[0:pattern_size[0], 0:pattern_size[1]].T.reshape(-1, 2) objp[:, :2] *= square_size object_points = [] # 世界坐标 image_points_left = [] # 左图角点像素坐标 image_points_right = [] # 右图角点像素坐标 # 循环读取每个角度的标定板图片对 for left_img, right_img in img_pairs: gray_left = cv2.cvtColor(left_img, cv2.COLOR_BGR2GRAY) gray_right = cv2.cvtColor(right_img, cv2.COLOR_BGR2GRAY) ret_l, corners_l = cv2.findChessboardCorners(gray_left, pattern_size, None) ret_r, corners_r = cv2.findChessboardCorners(gray_right, pattern_size, None) if ret_l and ret_r: # 亚像素级精确化，提高标定精度 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) corners_l = cv2.cornerSubPix(gray_left, corners_l, (11, 11), (-1, -1), criteria) corners_r = cv2.cornerSubPix(gray_right, corners_r, (11, 11), (-1, -1), criteria) object_points.append(objp) image_points_left.append(corners_l) image_points_right.append(corners_r)

标定时有个容易踩的坑：拍摄角度必须尽量丰富，棋盘要有前倾、后仰、左偏、右偏、旋转等各种姿态，且棋盘要在画面的四角和中心都出现。只在一个角度拍几十张，标定结果会出现病态，重投影误差看着挺小，实际矫正出来图像扭曲严重。

4.2 双目标定与立体校正

单目标定完成后，调用cv2.stereoCalibrate获得两个相机间的旋转矩阵R和平移向量T。这一步输出了两个相机相对位置的精确描述。拿到这些参数后，还要通过cv2.stereoRectify做立体校正。

立体校正是为了让左右图像“行对准”，也就是说空间中同一个点，在校正后的左右图像里位于同一行。这个步骤非常关键，因为立体匹配算法SGBM就是在扫描线上找对应点的，如果两幅图的行不对齐，匹配就无从谈起。

# 双目标定（实际会循环多张图做优化） ret, K1, D1, K2, D2, R, T, E, F = cv2.stereoCalibrate( object_points, image_points_left, image_points_right, K1_init, D1_init, K2_init, D2_init, image_size, flags=0 ) # 立体校正 R1, R2, P1, P2, Q, valid_roi1, valid_roi2 = cv2.stereoRectify( K1, D1, K2, D2, image_size, R, T, flags=cv2.CALIB_ZERO_DISPARITY, alpha=-1 ) # 重映射表 map1_l, map2_l = cv2.initUndistortRectifyMap(K1, D1, R1, P1, image_size, cv2.CV_16SC2) map1_r, map2_r = cv2.initUndistortRectifyMap(K2, D2, R2, P2, image_size, cv2.CV_16SC2)

校正之后，一定要写一个验证脚本，把左右图并排显示，看看特征点是否在同一水平线上。如果误差超过两三个像素，得回头检查标定板有没有弯折、拍摄张数够不够。

4.3 立体匹配与SGBM参数调优

立体匹配的目标是给左图的每个像素找到右图对应的像素，得到一个视差图。OpenCV提供的SGBM算法是半全局块匹配，它通过路径聚合的方式来优化视差结果，比传统的BM算法效果好很多。

我实测调好的SGBM参数如下：

# 视差范围越大，能测的近距离越丰富，但计算量更大 num_disparities = 16 * 6 # 必须是16的倍数 block_size = 11 # 匹配窗口，通常取 3~21 之间的奇数 sgbm = cv2.StereoSGBM_create( minDisparity=0, numDisparities=num_disparities, blockSize=block_size, P1=8 * 3 * block_size ** 2, P2=32 * 3 * block_size ** 2, disp12MaxDiff=1, uniquenessRatio=10, # 视图差唯一性阈值 speckleWindowSize=100, # 滤除小斑点 speckleRange=32, mode=cv2.STEREO_SGBM_MODE_SGBM )

P1和P2是平滑惩罚项，用于控制视差图的连续程度。P2通常取P1的4倍左右。取值太小，视差图噪点多；取值太大，细小物体的深度信息会被抹平。

视差图通过disp = sgbm.compute(left_corrected, right_corrected)计算，然后用cv2.reprojectImageTo3D获得三维坐标，距离直接用深度通道的值即可。

5. 常见问题与排查技巧实录

5.1 标定结果反复不理想

我刚开始做标定时，重投影误差在0.4像素左右，但测出来的距离偏差特别大，排查到最后发现是标定板打印纸贴在了一个有轻微弧度的纸箱上。解决办法是用玻璃板或者硬质塑料板做底板，保证棋盘格绝对平整。

另外一个细节是标定成像时不要开自动白平衡和自动曝光，两个相机的亮度不一致会导致特征匹配困难。建议手动固定曝光参数，让左右图亮度尽量一致。

5.2 视差图出现大面积空洞和噪声

这种情况绝大多数是SGBM参数没调好，或是图像纹理太少。比如一面纯白墙壁，左右两幅图看起来完全一样，算法找不到匹配点，自然就算不出视差。解决办法是让场景里多一些有明显纹理边界的物体，比如实验室常见的仪器、支架、纸箱，这些物体的边缘都有丰富的梯度特征。

如果空洞出现在特定区域，可以尝试增大uniquenessRatio来过滤掉低置信度的匹配，同时把speckleWindowSize调大一点消除孤立噪点。实测下来，speckleWindowSize=150、speckleRange=32的组合对场景干净程度有明显改善。

5.3 实时性不足，帧率太低

如果一帧要算两三百毫秒，说明在低配机器上跑全分辨率太吃力了。我的优化顺序是：先把图像缩小到640×480，再把numDisparities从96降为64，最后把blockSize从11调小到7。每次只改一个变量，观察视差效果和帧率的变化，不要一次全改。

另外，OpenCV的并行特性依赖于多线程，可以确认一下自己的OpenCV是用带IPP的版本编译的——cv2.getBuildInformation()里能看到相关线程和指令集信息，这一步能帮你省掉很多排查时间。

5.4 常见问题速查表

6. 距离精度验证与扩展思路

6.1 实测精度参考

我在实际场景中做过验证：在基线6厘米、图像分辨率640×480的条件下，1米左右的目标测距误差在1到3厘米，2米左右误差会放大到5到8厘米，3米以上信息基本只能用于判断“有物体”，无法做精确测量。这说明双目方案适用于短距离高精度的场景，比如机械臂抓取、近距离避障、手势交互，而长距离测量确实不是它的强项。

6.2 功能扩展方向

如果想让这个项目进一步演进，有两个方向非常值得尝试。一是和目标检测算法结合，比如用YOLO识别出画面中的目标框，提取目标框中央区域的平均深度，这样就能从“整幅图的深度”进化为“某个物体的距离”，非常实用。二是用深度学习替代传统立体匹配算法，例如近年来效果很不错的STEREO网络模型，它们对弱纹理场景的适应性远好于SGBM，不过对硬件要求也更高。

我自己的建议是，先踏踏实实把SGBM整套流程跑通，理解了标定、校正、匹配这三个核心环节再去碰深度学习方案，因为深度学习模型再怎么换，输入输出也还是相机参数和视差图，基础不牢，后面调网络模型直接两眼一抹黑。

最后分享一个我踩过多次的坑：千万别拿到代码就直接跑，先做一个最小验证——把左右摄像头各自拍一张静态图，只跑校正和匹配，成功得到视差图后再接视频流。这样能把采集、标定、匹配的问题逐层分开排查，不然一会儿怀疑是摄像头坏了，一会儿怀疑是参数不对，调试效率极低。这套流程目前已经稳定运行在我自己的实验平台上，如果你也在折腾双目测距，可以把这篇文章作为一份参考手册按图索骥，大概率能少走不少弯路。

本文还有配套的精品资源，点击获取