失眠网 > OpenCV C++双目三维重建：双目摄像头实现双目测距

OpenCV C++双目三维重建：双目摄像头实现双目测距

时间：2019-11-09 23:01:02

1.目录结构

2.依赖库

3.双目相机标定

(1)双目相机标定-Python版

(2)双目相机标定-Matlab版

4.相机参数配置

5. 双目测距

6. 运行Demo

7.效果图

8. 源码下载

9.参考资料

本篇博文是《双目摄像头实现双目测距（Python）》的续作，我们将搭建一个OpenCV C++版本的双目三维重建系统。由于我们只考虑三维重建实现双目测距效果，因而去除了PCL和Open3d库三维显示效果，但依然保留了视差图，深度图等可视化效果，用户可以通过鼠标点击图像，即可获得对应的世界坐标以及深度距离信息。

从效果来看，C++版本的双目测距和Python版本的效果几乎一致，性能更优，速度更快，基本可以达到工业级别测距精度，可在Linux开发板运行，非常适合应用于无人机，智能小车测距避障等场景。

来~先看一下Demo的效果图（鼠标点击，终端会打印对应距离信息）：

OpenCV C++双目摄像头实现双目测距主要支持：

支持双USB连接线的双目摄像头支持使用WLS滤波器对视差图进行滤波支持双目测距(鼠标点击图像即可获得其深度距离)提供配套的opencv-4.3.0和opencv_contrib-4.3.0源码（需要自己编译）相比Python版本，C++版本性能更优，速度更快，可在Linux开发板运行，非常适合应用于无人机，智能小车测距避障等场景。简单运行，项目源码只在Ubuntu 18.04系统进行了验证；第三方依赖库只有opencv和opencv_contrib，如果你在Windows系统开发，请在Windows平台配置好opencv和opencv_contrib开发环境；

诚然，网上有很多C++版本双测距的代码，但项目都不是十分完整，而且恢复视差图效果也一般，难以达到商业实际应用，究其原因，主要有下面几个：

双目摄像头质量问题，双目标定存在问题，导致校准误差较大没有使用WLS滤波器对视差图进行滤波，该方法可以极大提高视差图的效果

如果你需要Python版本的双目测距，请查看鄙人另一篇博客《双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python》

本篇将着重介绍OpenCV C++项目实现双目测距的过程，关于双目相机标定+双目校正+双目匹配等内容，请查看鄙人另一篇博客《双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python》

【项目源码下载地址】OpenCV C++双目摄像头实现双目测距

【尊重原则，转载请注明出处】https://panjinquan./article/details/127446435

1.目录结构

.├── configs# 相机参数文件├── data # 相机采集的数据├── docs # 一些文档图片├── src # C++源码├── build.sh # 构建build脚本├── main.cpp # 主程序├── CMakeLists.txt # CMake文件└── README.md # 说明文档

2.依赖库

系统平台：Ubuntu 18.04opencv-4.3.0 (opencv-3.4.0以上亦可)opencv_contrib-4.3.0 (opencv_contrib-3.4.0以上亦可)，WLS滤波器需要用到opencv_contrib库

opencv安装教程，请参考文章：Ubuntu18.04安装opencv和opencv_contrib

PS: 需确保opencv和opencv_contrib的版本号一致，避免版本差异导致编译错误。

项目源码只在Ubuntu 18.04系统进行了验证；第三方依赖库只有opencv和opencv_contrib，如果你在Windows系统开发，请在Windows平台配置好opencv和opencv_contrib开发环境；

3.双目相机标定

(1)双目相机标定-Python版

请参考鄙人另一篇博客，无需Matlab，即可进行相机标定：双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python

该方法双目标定完成后，会得到一个双目相机内外参数信息(stereo_cam.yml)文件:

%YAML:1.0---size: !!opencv-matrixrows: 2cols: 1dt: ddata: [ 640., 480. ]K1: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 7.6159209686584518e+02, 0., 3.2031427422505453e+02, 0.,7.6167321445963728e+02, 2.2467546927337131e+02, 0., 0., 1. ]D1: !!opencv-matrixrows: 1cols: 5dt: ddata: [ 3.4834574885170888e-02, -5.5261651661983137e-02,5.7491952731614823e-04, -4.2764224824172658e-05,1.8477350140315381e-02 ]K2: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 7.6327773941976670e+02, 0., 2.8768149948082271e+02, 0.,7.6350419442870850e+02, 2.1897333598636970e+02, 0., 0., 1. ]D2: !!opencv-matrixrows: 1cols: 5dt: ddata: [ 3.5020972475517692e-02, -4.0770660841280497e-02,-4.4231087565750534e-04, -1.0552562170995372e-03,-9.7749906830348537e-02 ]R: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9999370552351063e-01, 7.8563885326366346e-04,3.4600122760633780e-03, -7.9503151737356746e-04,9.9999600079883766e-01, 2.7140949167922721e-03,-3.4578661403601796e-03, -2.7168286517956050e-03,9.9999033095517087e-01 ]T: !!opencv-matrixrows: 3cols: 1dt: ddata: [ -6.0005833133148414e+01, 1.7047017063672587e-01,6.0300223404957642e-01 ]E: !!opencv-matrixrows: 3cols: 3dt: ddata: [ -1.1005724987007073e-04, -6.0346296076620343e-01,1.6883191705475561e-01, 3.9550629985097430e-01,-1.6255182474732952e-01, 6.0007339329190145e+01,-1.2276256904913259e-01, -6.0005727085740176e+01,-1.6345135556766910e-01 ]F: !!opencv-matrixrows: 3cols: 3dt: ddata: [ -6.7250769136371160e-10, -3.6870834234286016e-06,1.6143104894409041e-03, 2.4160347372858321e-06,-9.9287680075344234e-07, 2.7862421257891157e-01,-1.1014218394645766e-03, -2.7856049650040260e-01, 1. ]R1: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9997618806974742e-01, -2.0278309638726887e-03,-6.5963016213173775e-03, 2.0367881225372914e-03,9.9999701250432615e-01, 1.3514719999064883e-03,6.5935413581266105e-03, -1.3648750875444691e-03,9.9997733090723306e-01 ]R2: !!opencv-matrixrows: 3cols: 3dt: ddata: [ 9.9994547731576255e-01, -2.8407384289991728e-03,-1.0048512373976153e-02, 2.8270879178959596e-03,9.9999506202764499e-01, -1.3724045434755307e-03,1.0052361397026631e-02, 1.3439216883706559e-03,9.9994857062992937e-01 ]P1: !!opencv-matrixrows: 3cols: 4dt: ddata: [ 7.3741438842621210e+02, 0., 3.1126281356811523e+02, 0., 0.,7.3741438842621210e+02, 2.2189782714843750e+02, 0., 0., 0., 1.,0. ]P2: !!opencv-matrixrows: 3cols: 4dt: ddata: [ 7.3741438842621210e+02, 0., 3.1126281356811523e+02,-4.4251577456670653e+04, 0., 7.3741438842621210e+02,2.2189782714843750e+02, 0., 0., 0., 1., 0. ]Q: !!opencv-matrixrows: 4cols: 4dt: ddata: [ 1., 0., 0., -3.1126281356811523e+02, 0., 1., 0.,-2.2189782714843750e+02, 0., 0., 0., 7.3741438842621210e+02, 0.,0., 1.6664137886344466e-02, 0. ]

参数说明：

参数size，对应图像宽高(width,height)参数K1，对应左目相机内参矩阵(3×3)参数D1，对应左目相机畸变系数矩阵(5×1)参数K2，对应右目相机内参矩阵(3×3)参数D2，对应右目相机畸变系数矩阵(5×1)参数T，对应双目相机平移向量T(3×1)参数R，对应双目相机旋转矩阵R(3×3)至于配置文件中的参数,如R1, R2, P1, P2, Q这些重投影矩阵，可默写即可，不用修改，这些在运行时，会重新计算。

(2)双目相机标定-Matlab版

网上已经存在很多Matlab双目相机标定的教程，请自行百度哈；使用Matlab工具箱进行双目相机标定后，请对应参数进行修改

需要注意的是：旋转矩阵R是(3×3)二维矩阵，而Matlab给出的是旋转向量om(1×3)，请使用cv2.Rodrigues()将旋转向量转为旋转矩阵，参考下面的代码进行转换

import cv2import numpy as np# 定义旋转矩阵R，旋转向量omR = [[9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03],[-7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03],[-3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01]]R = np.asarray(R)print(f"旋转矩阵R:\n {R}")# 把旋转矩阵R转化为旋转向量omom, _ = cv2.Rodrigues(R)print(f"旋转向量om:\n {om}")# 把旋转向量om转换为旋转矩阵RR1, _ = cv2.Rodrigues(om)print(f"旋转矩阵R1:\n {R1}")

4.相机参数配置

双目相机标定完成后，得到了相机内外参数信息根据自己相机参数定义C++的CameraParam即可下面C++代码中，定义了双目相机CameraParam变量camera1，用户需要根据自己的双目相机，修改对应的相机内外参数。

/*** 双目摄像头的相机参数*/struct CameraParam {int width; //图像的宽度widthint height;//图像的高度heightMat cameraMatrixL; //左相机内参K1(3×3)Mat distCoeffL;//左相机畸变系数D1(5×1)Mat cameraMatrixR; //右相机内参K2(3×3)Mat distCoeffR;//右相机畸变系数D2(5×1)Mat T;//平移向量T(3×1)Mat R;//旋转矩阵R(3×3)，如果是(3×1)旋转向量，请使用cv::Rodrigues()进行变换转为(3×3)旋转矩阵R};/**** 设置摄像头参数，需要根据双目摄像头标定结果进行填写*/static CameraParam camera1 = {640,//width480,//height(Mat_<double>(3, 3)<< 7.6159209686633153e+02, 0., 3.2031427422691633e+02, 0., 7.6167321446015626e+02, 2.2467546926913309e+02, 0., 0., 1.),//cameraMatrixL(Mat_<double>(5, 1)<< 3.4834574887256914e-02, -5.5261651680159028e-02, 5.7491952534806736e-04, -4.2764223950233445e-05, 1.8477350164208820e-02),//distCoeffL(Mat_<double>(3, 3)<< 7.6327773983796783e+02, 0., 2.8768149776326379e+02, 0., 7.6350419482215057e+02, 2.1897333669573928e+02, 0., 0., 1.),(Mat_<double>(5, 1)<< 3.5020967512300320e-02, -4.0770565902033332e-02, -4.4231049297594003e-04, -1.0552565496142535e-03, -9.7750314807571667e-02),(Mat_<double>(3, 1)<< -6.0005833075452117e+01, 1.7047023105446815e-01, 6.0300273851103448e-01),(Mat_<double>(3, 3)<< 9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03, -7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03, -3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01),};

5. 双目测距

OpenCV C++版本的双目测距与Python版本双目测距的效果几乎一致，且性能更优，速度更快，基本可以达到工业级别测距精度。由于我们只考虑三维重建实现双目测距效果，因而去除了PCL和Open3d库三维显示效果，但依然保留了视差图，深度图等可视化效果，用户可以通过鼠标点击图像，即可获得对应的世界坐标以及深度距离信息。

函数接口声明，都已经给出了详细的参数说明，为了方便大家学习，函数命名和实现逻辑与Python版本的几乎一致：

//// Created by pan_jinquan@ on /10/6.//#ifndef CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H#define CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;cv::Mat xyz_coord;//用于存放每个像素点距离相机镜头的三维坐标cv::Point start; //鼠标按下的起始点cv::Rect buttonRect; //定义矩形选框bool buttonStatus = false; //是否选择对象/*** 双目摄像头的相机参数*/struct CameraParam {int width; //图像的宽度widthint height;//图像的高度heightMat cameraMatrixL; //左相机内参K1(3×3)Mat distCoeffL;//左相机畸变系数D1(5×1)Mat cameraMatrixR; //右相机内参K2(3×3)Mat distCoeffR;//右相机畸变系数D2(5×1)Mat T;//平移向量T(3×1)Mat R;//旋转矩阵R(3×3)，如果是(3×1)旋转向量，请使用cv::Rodrigues()进行变换转为(3×3)旋转矩阵R};/**** 设置摄像头参数，需要根据双目摄像头标定结果进行填写*/static CameraParam camera1 = {640,//width480,//height(Mat_<double>(3, 3)<< 7.6159209686633153e+02, 0., 3.2031427422691633e+02, 0., 7.6167321446015626e+02, 2.2467546926913309e+02, 0., 0., 1.),//cameraMatrixL(Mat_<double>(5, 1)<< 3.4834574887256914e-02, -5.5261651680159028e-02, 5.7491952534806736e-04, -4.2764223950233445e-05, 1.8477350164208820e-02),//distCoeffL(Mat_<double>(3, 3)<< 7.6327773983796783e+02, 0., 2.8768149776326379e+02, 0., 7.6350419482215057e+02, 2.1897333669573928e+02, 0., 0., 1.),(Mat_<double>(5, 1)<< 3.5020967512300320e-02, -4.0770565902033332e-02, -4.4231049297594003e-04, -1.0552565496142535e-03, -9.7750314807571667e-02),(Mat_<double>(3, 1)<< -6.0005833075452117e+01, 1.7047023105446815e-01, 6.0300273851103448e-01),(Mat_<double>(3, 3)<< 9.9999370551606337e-01, 7.8563882630048958e-04, 3.4600144345510440e-03, -7.9503149273969136e-04, 9.9999600080163187e-01, 2.7140938945082542e-03, -3.4578682997252063e-03, -2.7168276311286426e-03, 9.9999033095047696e-01),};/**** 鼠标响应回调函数* @param event* @param x* @param y*/static void onMouse(int event, int x, int y, int, void *) {if (buttonStatus) {buttonRect.x = MIN(x, start.x);buttonRect.y = MIN(y, start.y);buttonRect.width = std::abs(x - start.x);buttonRect.height = std::abs(y - start.y);}switch (event) {case EVENT_LBUTTONDOWN: //鼠标左按钮按下的事件start = Point(x, y);buttonRect = Rect(x, y, 0, 0);buttonStatus = true;cout << "image(x,y)=" << start;cout << " world coords=(x,y,depth)=" << xyz_coord.at<Vec3f>(start) << endl;break;case EVENT_LBUTTONUP://鼠标左按钮释放的事件buttonStatus = false;if (buttonRect.width > 0 && buttonRect.height > 0)break;}}/**** 显示图像* @param winname 窗口名称* @param image 图像* @param delay 显示延迟，0表示阻塞显示* @param flags 显示方式*/static void show_image(const string &winname, cv::Mat &image, int delay = 0, int flags = cv::WINDOW_AUTOSIZE) {cv::namedWindow(winname, flags);cv::imshow(winname, image);cv::waitKey(delay);}/**** 读取视频文件* @param video_file 视频文件* @param cap 视频流对象* @param width 设置图像的宽度* @param height 设置图像的高度* @param fps 设置视频播放频率* @return*/bool get_video_capture(string video_file, cv::VideoCapture &cap, int width = -1, int height = -1, int fps = -1) {//VideoCapture video_cap;cap.open(video_file);if (width > 0 && height > 0) {cap.set(cv::CAP_PROP_FRAME_WIDTH, width); //设置图像的宽度cap.set(cv::CAP_PROP_FRAME_HEIGHT, height); //设置图像的高度}if (fps > 0) {cap.set(cv::CAP_PROP_FPS, fps);}if (!cap.isOpened())//判断是否读取成功{return false;}return true;}/**** 读取摄像头* @param camera_id 摄像头ID号，默认从0开始* @param cap 视频流对象* @param width 设置图像的宽度* @param height 设置图像的高度* @param fps 设置视频播放频率* @return*/bool get_video_capture(int camera_id, cv::VideoCapture &cap, int width = -1, int height = -1, int fps = -1) {//VideoCapture video_cap;cap.open(camera_id); //摄像头ID号，默认从0开始if (width > 0 && height > 0) {cap.set(cv::CAP_PROP_FRAME_WIDTH, width); //设置捕获图像的宽度cap.set(cv::CAP_PROP_FRAME_HEIGHT, height); //设置捕获图像的高度}if (fps > 0) {cap.set(cv::CAP_PROP_FPS, fps);}if (!cap.isOpened()) //判断是否成功打开相机{return false;}return true;}class StereoReconstruct {public:/**** 构造函数，初始化StereoReconstruct* @param camera 双目相机参数* @param use_wls 是否使用WLS滤波器对视差图进行滤波*/StereoReconstruct(CameraParam camera, bool use_wls = true);/**** release*/~StereoReconstruct();/**** 开始双目测距任务* @param frameL* @param frameR*/void task(Mat frameL, Mat frameR, int delay = 0);/**** 畸变校正和立体校正* @param imgL 左视图* @param imgR 右视图* @param rectifiedL 校正后左视图* @param rectifiedR 校正后右视图*/void get_rectify_image(Mat &imgL, Mat &imgR, Mat &rectifiedL, Mat &rectifiedR);/**** 获得视差图* @param imgL 畸变校正和立体校正后的左视图* @param imgR 畸变校正和立体校正后的右视图* @param dispL 返回视差图* @param use_wls 是否使用WLS滤波器对视差图进行滤波*/void get_disparity(Mat &imgL, Mat &imgR, Mat &dispL, bool use_wls = true);//SGBM匹配算法/**** 计算像素点的3D坐标（左相机坐标系下）* @param disp 视差图* @param points_3d 返回三维坐标points_3d，三个通道分布表示(X,Y,Z)，其中Z是深度图depth, 即距离,单位是毫米(mm)* @param scale 单位变换尺度,默认scale=1.0,单位为毫米*/void get_3dpoints(Mat &disp, Mat &points_3d, float scale = 1.0);/**** 将输入深度图转换为伪彩色图，方面可视化* @param depth* @param colormap*/void get_visual_depth(cv::Mat &depth, cv::Mat &colormap, float clip_max = 6000.0);/**** 显示矫正效果* @param rectifiedL* @param rectifiedR*/void show_rectify_result(cv::Mat rectifiedL, cv::Mat rectifiedR);/**** 可视化视差图和深度图* @param frameL* @param frameR* @param points_3d* @param disp* @param delay*/void show_2dimage(Mat &frameL, Mat &frameR, Mat &points_3d, Mat &disp, int delay);/**** 显示Mat的最大最小值* @param src* @param vmin 最小值下限* @param vmax 最大值下限*/void clip(cv::Mat &src, float vmin, float vmax);/**** 显示Mat的最大最小值* @param src* @param th* @param vmin*/void clip_min(cv::Mat &src, float th, float vmin);public:string depth_windows = "depth-color"; // 深度图的窗口名称int use_wls; // 是否使用WLS滤波器对视差图进行滤波Size image_size; // 图像宽高(width,height)Rect validROIL;// 图像校正之后，会对图像进行裁剪，这里的左视图裁剪之后的区域Rect validROIR;// 图像校正之后，会对图像进行裁剪，这里的右视图裁剪之后的区域Mat mapLx, mapLy, mapRx, mapRy; // 映射表Mat Rl, Rr, Pl, Pr, Q; // 校正后的旋转矩阵R，投影矩阵P, 重投影矩阵Qcv::Ptr<cv::StereoSGBM> sgbm;};#endif //CAMERA_CALIBRATION_RECONSTRUCT_CPP_STEREO_RECONSTRUCT_H

6. 运行Demo

主程序main.cpp实现了三个Demo

测试demo视频文件: 这是使用摄像头录制的双目视频文件，用于测试效果双目测距的效果测试双目摄像头(双USB连接线的双目摄像头)：用于测试双目摄像头，需要根据自己的摄像头修改ID号测试一对左右相机图像效果

//// 双目测距Demo// Created by pan_jinquan@ on /10/6.//#include <opencv2/opencv.hpp>#include <iostream>#include "stereo_reconstruct.h"/**** 测试demo视频文件* @return*/int test_video_file() {CameraParam camera = camera1;//双目相机参数bool use_wls = true; //是否使用WLS滤波器对视差图进行滤波StereoReconstruct *detector = new StereoReconstruct(camera, use_wls);int imageWidth = camera1.width;//单目图像的宽度int imageHeight = camera1.height; //单目图像的高度string left_video = "../data/lenacv-video/left_video.avi";string right_video = "../data/lenacv-video/right_video.avi";VideoCapture capL, capR;bool retL = get_video_capture(left_video, capL, imageWidth, imageHeight);bool retR = get_video_capture(right_video, capR, imageWidth, imageHeight);Mat frameL, frameR;while (retL && retR) {capL >> frameL;capR >> frameR;if (frameL.empty() or frameR.empty()) break;detector->task(frameL, frameR, 20);}capL.release(); //释放对相机的控制capR.release(); //释放对相机的控制delete detector;return 0;}/**** 测试双目摄像头(双USB连接线的双目摄像头)* @return*/int test_camera() {CameraParam camera = camera1;//双目相机参数bool use_wls = true; //是否使用WLS滤波器对视差图进行滤波StereoReconstruct *detector = new StereoReconstruct(camera, use_wls);int imageWidth = camera1.width; //单目图像的宽度int imageHeight = camera1.height;//单目图像的高度int camera1 = 0; //左摄像头ID号(请修改成自己左摄像头ID号)int camera2 = 1; //右摄像头ID号(请修改成自己右摄像头ID号)VideoCapture capL, capR;bool retL = get_video_capture(camera1, capL, imageWidth, imageHeight);bool retR = get_video_capture(camera2, capR, imageWidth, imageHeight);Mat frameL, frameR;while (retL && retR) {capL >> frameL;capR >> frameR;if (frameL.empty() or frameR.empty()) break;detector->task(frameL, frameR, 20);}capL.release(); //释放对相机的控制capR.release(); //释放对相机的控制delete detector;return 0;}/**** 测试一对左右图像* @return*/int test_pair_image_file() {CameraParam camera = camera1;//双目相机参数bool use_wls = true; //是否使用WLS滤波器对视差图进行滤波StereoReconstruct *detector = new StereoReconstruct(camera, use_wls);Mat frameL = imread("../data/left.png", IMREAD_COLOR);Mat frameR = imread("../data/right.png", IMREAD_COLOR);detector->task(frameL, frameR, 0);delete detector;return 0;}int main() {//测试一对左右图像test_pair_image_file();//测试demo视频文件test_video_file();//测试双目摄像头(双USB连接线的双目摄像头)test_camera();return 0;}

终端运行脚本：bash build.sh

#!/usr/bin/env bashif [ ! -d "build/" ];thenmkdir "build"elseecho "exist build"ficd buildcmake ..make -j4sleep 1./Demo

7.效果图

C++版本的双目测距与Python版本的效果几乎一致。从重建效果来看，未使用WLS滤波，其视差图出现了很多空洞，存在很多误匹配点；但使用WLS滤波后，视差图变得比较平滑，整体效果都有明显改善。

运行主程序后，鼠标点击depth-color窗口的图像任意区域，终端会打印对应距离信息

8. 源码下载

OpenCV C++版本双目测距项目代码包含：OpenCV C++双目摄像头实现双目测距

【项目源码下载地址】OpenCV C++双目摄像头实现双目测距

支持双USB连接线的双目摄像头支持使用WLS滤波器对视差图进行滤波支持双目测距(鼠标点击图像即可获得其深度距离)提供配套的opencv-4.3.0和opencv_contrib-4.3.0源码（需要自己编译）相比Python版本，C++版本性能更优，速度更快，可在Linux开发板运行，非常适合应用于无人机，智能小车测距避障等场景。简单运行，项目源码只在Ubuntu 18.04系统进行了验证；第三方依赖库只有opencv和opencv_contrib，如果你在Windows系统开发，请在Windows平台配置好opencv和opencv_contrib开发环境；

如果你需要Python版本的双目测距，请查看鄙人另一篇博客《双目三维重建系统(双目标定+立体校正+双目测距+点云显示)Python》