一、双目相机对比单目相机新增核心能力单目相机只能获取2D 平面图像无真实物理尺度双目依托左右两个同步相机模拟人双眼新增三维感知全套能力1. 深度测距最核心新增能力单目只能估算相对距离依赖先验物体尺寸误差极大双目直接输出每个像素真实物理深度值mm/m不受物体种类、光照影响。2. 三维空间重建通过深度图还原场景 3D 点云可输出物体长宽高、空间坐标实现场景建模、障碍物三维轮廓提取。3. 立体视差、障碍物精准避障AGV / 机器人可区分近处障碍物、远处墙体、悬空物体单目无法区分 “远处小人” 和 “近处小贴纸”。4. 目标尺寸真实测量直接计算物体实际宽 / 高 / 体积单目必须提前录入物体标准尺寸才能估算通用性差。5. 抗光照、抗纹理鲁棒提升左右两帧图像互相校验强光、阴影、局部遮挡下识别稳定性优于单目单目单一画面容易失效。6. 六自由度 SLAM 定位机器人刚需单目 SLAM 存在尺度漂移无法获取真实运动尺度双目 SLAM 无尺度模糊里程计精准适合室内无 GPS 场景导航。7. 立体分割、目标距离分层区分前景、中景、背景可过滤远处无效干扰目标AI 识别降低误检。单目 VS 双目能力对比表格能力单目相机双目相机新增能力2D 图像采集✅✅真实物理深度❌ 仅相对估算✅ 像素级精准测距三维点云重建❌✅物体真实尺寸测量❌✅无漂移 SLAM 导航❌ 尺度漂移✅高精度避障分层❌✅立体遮挡校验❌✅二、双目相机完整工作原理整体分为 4 大环节硬件同步采集 → 校正预处理 →视差计算 →深度换算1. 硬件基础结构两个参数完全一致的 MIPI 相机分辨率、帧率、镜头焦距相同固定已知间距基线 B左右感光芯片中心距离单位 mm硬件同步机制RDK X5 内部主从同步 / 外部触发保证左右画面同一时刻曝光镜头内参焦距f、光心坐标、畸变系数出厂标定获取。2. 核心几何模型三角测距原理底层本质几何关系公式视差 d同一个空间点在左图、右图成像的水平像素坐标差值\(d x_{left} - x_{right}\) 2. 深度 Z物体到相机平面真实距离\(Z \frac{f \times B}{d}\)f相机焦距像素单位B左右相机基线长度d视差规律物体越近 → 视差d越大深度Z越小物体越远 → 视差d越小深度Z越大无穷远处物体视差趋近 0。3. 完整 4 步工作流程步骤 1同步采集左右图像RDK X5 两路 4Lane MIPI 硬件同步曝光同时输出左图、右图消除运动带来的帧错位若不同步运动物体视差计算完全失效深度乱码。步骤 2双目校正去畸变 行对准原始图像存在镜头径向畸变且左右成像行不对齐校正目的消除镜头桶形 / 枕形畸变将左右图像所有匹配点约束到同一水平线 校正后匹配搜索仅需要水平遍历大幅降低算力消耗。步骤 3立体匹配逐像素计算视差图对左图每一个像素在右图同一行搜索相似度最高的对应像素算出视差d生成整张视差图纹理丰富区域墙面、物体边缘匹配准确视差可信无纹理区域纯白墙面、镜面反光、遮挡区域匹配失效产生无效深度。 主流算法SGM 半全局匹配工业机器人标配RDK 硬件加速。步骤 4视差转深度图生成 3D 点云代入三角测距公式每个像素视差换算成真实深度值结合相机内参将图像 2D 像素坐标 深度转换为世界三维坐标\((X,Y,Z)\)输出点云。4. 双目标定正常工作的前提出厂 / 首次使用必须标定获取两套关键参数单目内参焦距、主点、畸变系数双目外参左右相机相对旋转矩阵R、平移向量T基线 B 由平移向量得出。无标定数据无法校正、无法计算真实深度只能输出无尺度视差图。三、补充关键特性与限制1. 基线 B 对测距性能影响基线越大远距离测距精度越高但近距离最小测距距离变大基线越小可测更近物体但远距离误差快速放大AGV 常用基线 120mm~160mm兼顾近距避障和远距离识别。2. 和人眼视觉原理类比人左右眼间距≈65mm生物基线大脑自动完成 “匹配 三角计算”因此人能直观判断物体远近双目相机完全复刻这套光学几何逻辑。3. 双目固有短板对比单目成本更高需要两路 MIPI、双 Sensor、同步硬件无纹理、强光反光、透明物体深度失效远距离测距精度随距离下降。四、工程落地总结单目只有 2D 像素信息双目依靠双相机同步成像 三角几何新增像素级真实深度、三维重建、精准测距、无漂移 SLAM 等三维感知能力核心数学逻辑基线、焦距、视差三者三角换算得到物体真实距离RDK X5 双路 4Lane MIPI 硬件同步 内置 SGM 立体匹配硬件加速是双目机器人最优硬件载体。