双目立体视觉
Parent: ai_keywords
双目立体视觉（Binocular Stereo Vision）
【核心定义】
双目立体视觉是计算机视觉与神经科学交叉的核心技术，通过模拟人类双眼视差（binocular disparity）机制，利用两个水平偏移的摄像机（或左右眼）同步采集场景图像，经算法计算对应点间的像素偏移量，进而推算物体深度信息，实现三维环境感知。其本质是“从二维图像序列逆向求解三维空间结构”的逆问题。
【关键技术点】
-
立体匹配（Stereo Matching）
在左右图像间建立像素级对应关系，常用方法包括区域匹配（SAD/NCC）、半全局匹配（SGM）及基于深度学习的端到端匹配网络（如PSMNet），需平衡精度与计算效率。 -
视差计算与深度映射
视差 ( d ) 与深度 ( Z ) 满足 ( Z = f \cdot B / d )（( f )：焦距，( B )：基线距离）。高精度视差图需经亚像素插值与一致性校验（如左右一致性检查）。 -
极线约束（Epipolar Constraint）
通过相机标定获得极线几何（Fundamental Matrix），将搜索从二维降至一维直线，极大降低计算复杂度，是双目校正的核心。 -
三维重建与点云生成
融合视差图与相机投影矩阵，将像素坐标映射为现实世界三维坐标（( X, Y, Z )），生成稠密点云用于空间测量与场景理解。
【医学/神经科学应用场景】
帕金森病患者立体视觉缺损的客观评估
与首都医科大学神经病学团队合作，采用高帧率双目深度相机（如Intel RealSense）采集患者在执行“指尖对指”任务时的双手运动轨迹。基于实时视差计算重建手部三维坐标，并提取以下指标：
- 深度定位误差：对比患者与健康对照在目标点触碰瞬间的垂直-水平视差一致性；
- 手-眼协调延迟：双眼辐辏（vergence）与手部运动的滞后时间。
该方法突破了传统主观量表（如Frisby立体视检测）的局限性，可量化帕金森病早期基底节-小脑-视觉皮层环路功能障碍，为疾病分期和深部脑刺激（DBS）疗效评估提供客观生物标记。
