Carla仿真系列：10_Carla 双目障碍物测距，视差图还原真实距离

第9期做了单目测距------只有一路相机，靠"推断"距离。这期升级到双目相机 ------用两个相机模拟人眼的视差，通过三角测量直接算出距离，精度比单目高一个量级。

1 为什么双目能测距

人眼为什么能判断远近？因为两只眼睛看到的角度不同。

复制代码

左眼看到的角度 ╲
                  ╲ 物体
右眼看到的角度 ╱

两眼的角度差 = 视差
物体越近 → 视差越大
物体越远 → 视差越小

双目相机模仿这个原理：两个相机相隔一定距离（基线），同时拍下左右两幅图，通过匹配对应点、计算视差，就能算出距离。

2 双目相机配置

在 Carla 的 Tesla 上添加左右两个相机，通过修改ros_bridge_ws/src/carla-ros-bridge/carla_spawn_objects/config/objects.json文件添加相机模拟真实双目系统：

json 复制代码

{
  "type": "sensor.camera.rgb",
  "id": "rgb_stereo_left",
  "spawn_point": {"x": 2.4, "y": 0.2, "z": 1.0, "roll": 0.0, "pitch": 0.0, "yaw": 0.0},
  "image_size_x": 640,
  "image_size_y": 480,
  "fov": 90.0
},
{
  "type": "sensor.camera.rgb",
  "id": "rgb_stereo_right",
  "spawn_point": {"x": 2.4, "y": -0.2, "z": 1.0, "roll": 0.0, "pitch": 0.0, "yaw": 0.0},
  "image_size_x": 640,
  "image_size_y": 480,
  "fov": 90.0
}

关键参数：

参数	值	说明
基线	0.4m	左右相机X方向距离（y相差0.4）
FOV	90°	保证共同视野
高度	1.0m	前挡风玻璃位置

3 双目测距原理

3.1 三角测量公式

复制代码

距离 Z = (f × B) / d

f = 相机焦距（内参）
B = 双目基线（0.4m）
d = 视差（左右图像对应点的水平差）

物体越近 → 视差d越大 → 距离Z越小（反向关系）

3.2 完整流程

复制代码

左右相机同时拍摄
    ↓
立体矫正：两幅图像对齐（极线约束）
    ↓
立体匹配：找左右图像中的对应点
    ↓
计算视差 d → 视差图
    ↓
深度公式：Z = f·B/d → 深度图
    ↓
反投影 → 3D 点云

3.3 输出结果

输出	说明
矫正后的左右图	对齐后的立体图像对
视差图	每个像素的视差值（颜色越亮=越近）
深度图	每个像素的真实距离
3D点云	从深度图反投影出三维坐标

4 启动流程

bash 复制代码

# 终端1-2：启动环境 + Carla UE4

# 终端3：启动 ROS Bridge（此时会自动加载双目相机配置）
cd carla_sim
bash ros_bridge.sh

# 终端4：双目测距
cd /opt/carla_ws/sim_workspace/stereo_distance
python stereo_distance_py2.py

运行后可以看到视差图、深度图、矫正后的左右图，以及双目生成的点云。

生成的点云：

5 双目 vs 单目 vs 激光雷达

方案	精度	成本	优点	缺点
单目	低	低	便宜	靠推断，误差大
双目	中高	中	主动测距，精度不错	需要标定、弱纹理匹配差
激光雷达	高	高	最准	贵

双目的定位： 成本适中、精度够用，是"纯视觉方案"里的主流测距方式------很多视觉方案的自动驾驶车都用双目。

10_实现双目障碍物测距

6 下一期

下期主要介绍怎么在carla仿真环境中搭建一个上帝视角可视化监控，整个地图的所有NPC和自车的运动情况实时查看。

7 往期回顾

如果本文对你有帮助，欢迎点赞、关注、收藏 。

遇到问题可以评论区留言交流，也欢迎转发给需要的朋友。

开源项目地址放在个人主页简介中，欢迎前往查看。