企业官网建设流程全解析

1. 什么是立体视觉：从人眼到机器的“深度直觉”

你有没有试过闭上一只眼睛去抓桌上的水杯？会发现手总是偏一点，不是高了就是低了，甚至要多停顿半秒才能对准——这半秒的迟疑，就是单目视觉丢失深度信息的代价。而睁开双眼，杯子离你多远、杯壁弧度如何、手该从哪个角度伸过去，几乎不用思考就自然完成。这种能力，我们叫它立体视觉。它不是靠“猜”，而是靠左右眼看到的画面存在细微差异（视差），大脑通过计算这个差异量，反推出物体在三维空间中的精确位置。计算机视觉里的立体视觉，干的就是同一件事：让机器也拥有这种“深度直觉”。

这不是一个新概念，但最近几年它突然变得特别热，原因很实在——自动驾驶汽车必须知道前车是停在5米外还是15米外；物流分拣机器人得判断纸箱是平放还是斜立，边缘在哪；AR应用要把虚拟沙发“稳稳”放在你家地板上，不能悬空也不能陷进地砖里。所有这些，都绕不开一个核心问题：怎么让二维图像里没有Z轴的像素点，自己“长出”第三维坐标？立体视觉就是目前最成熟、成本可控、不依赖激光雷达的纯视觉解法。它不靠昂贵的硬件堆砌，而是用算法把两台普通摄像头变成一台“电子双眼”。我做过好几个落地项目，从工业质检到农业采摘识别，凡是需要判断“离得多远”“凸起多少”“凹下去几厘米”的场景，立体视觉都是首选方案。它适合两类人：一类是刚入门CV想理解三维重建底层逻辑的学生，另一类是正在选型方案的工程师——因为它的实现路径清晰、调试有迹可循、结果可量化验证，不像某些端到端深度学习模型，跑出来一个数字却不知道哪里来的。

2. 立体视觉的整体设计思路与方案选型逻辑

2.1 为什么不是直接用深度相机？——成本、可控性与数据主权的权衡

很多人第一反应是：“现在不是有RGB-D相机吗？比如某品牌带红外结构光的，直接输出深度图，多省事。”这话没错，但实际落地时你会发现三个硬伤：第一，这类相机在强光下（比如户外阳光直射）红外信号被淹没，深度图直接雪花一片；第二，它输出的是“伪深度”，本质是靠投射已知图案再匹配，遇到黑色吸光表面或透明玻璃，匹配失败，深度值就成了一片黑洞；第三，也是最关键的——你永远不知道它内部算法怎么算的，参数调不了，误差源查不到。某次给一家做仓储盘点的客户部署时，他们用RGB-D相机扫货架，结果所有黑色塑料托盘的深度全丢，系统以为托盘不存在，直接漏检。换成双目方案后，我们手动标定、调整极线校正参数、优化匹配代价函数，最终在同样光照下，黑色托盘边缘深度跳变控制在±0.8mm以内。所以，立体视觉不是为了炫技，而是为了把深度感知的“黑盒子”打开，让每一步计算都可追溯、可干预、可优化。

2.2 双目 vs 多目 vs 主动立体：三类方案的适用边界

立体视觉方案不止一种，选错方向，后面所有工作都是白忙。我按实际项目经验划出三条清晰边界：

• 标准双目（Two-View Stereo）：两台相同型号摄像头，基线距离固定（通常5-20cm），适用于中近距离（0.3m–5m）、精度要求中等（±1–3mm）的场景。比如手机前置双摄测脸深、AGV小车避障、PCB板元件高度检测。它的优势是硬件简单、标定成熟、开源库支持好（OpenCV、libelas），但缺点也很明显：纹理缺失区域（如白墙、纯色金属面）匹配困难，远距离视差太小导致精度断崖式下降。

• 多目立体（Multi-View Stereo, MVS）：三台及以上摄像头，从不同角度拍摄同一物体。它本质上是把多个双目对的结果融合，大幅提升重建完整性和鲁棒性。典型应用是文物三维建模、大型工件逆向工程。某高校实验室用6台工业相机环绕扫描青铜器，连0.1mm的铭文凹槽都能重建出来。但它对同步触发、标定一致性、计算资源要求极高，实时性差，不适合嵌入式设备。

• 主动立体（Active Stereo）：在双目基础上，加一个红外投影仪，向场景投射随机散斑图案，相当于给无纹理表面“人工添加纹理”。这是目前消费级产品（如某品牌扫地机、某款AR眼镜）的主流方案。它解决了双目的最大痛点，但引入了新的干扰源——其他红外光源（如太阳光、取暖器）会造成散斑污染。我们曾在一个玻璃温室里测试，阳光透过玻璃产生强烈红外反射，投影散斑直接被淹没，深度图全是噪点。后来改用窄带红外滤光片+自适应曝光，才把信噪比拉回来。

提示：新手起步，务必从标准双目开始。不要一上来就搞MVS或多传感器融合，90%的常见需求，双目配好参数就能搞定。先跑通一条链路，再逐步加复杂度。

2.3 核心流程拆解：从图像到深度图的五步闭环

立体视觉不是“拍两张照片→点一下按钮→出深度图”这么简单。它是一条严丝合缝的流水线，任何一环出错，下游全崩。我把整个流程拆成五个不可跳过的环节，每个环节我都标出了最容易栽跟头的地方：

1. 硬件选型与物理安装：摄像头分辨率、帧率、全局快门（非卷帘！）、镜头畸变系数、基线距离、光心对齐度。这里不是参数越高越好——2000万像素相机配USB2.0接口，传输带宽根本撑不住，实测卡在12fps，运动模糊直接让视差计算失效。

2. 相机标定（Calibration）：获取每台相机的内参（焦距、主点、畸变系数）和两台相机之间的外参（旋转矩阵R、平移向量T）。这是整个系统的基石。我见过太多人跳过这步，直接用厂家给的“典型值”，结果标定板稍微歪一点，外参误差0.5度，1米外的深度误差就超过2cm。

3. 极线校正（Rectification）：把左右图像扭曲变形，让对应点严格落在同一行上。这步做完，原本需要在整张图里搜索匹配点，变成只在同一行上找，计算量从O(W×H²)降到O(W×H)，提速百倍。但校正过度会裁剪太多有效图像区域，尤其对短基线系统，视野损失严重。

4. 立体匹配（Stereo Matching）：找出左图每个像素在右图的对应点，计算视差（disparity）。这是算法核心，也是分歧最大的地方。传统方法（SGBM、BM）速度快但对弱纹理敏感；深度学习方法（PSMNet、GANet）精度高但需要大量标注数据且推理慢。

5. 深度图生成与后处理：用视差图结合基线、焦距等参数，通过三角测量公式算出真实世界坐标（Z = f×B/d），再做空洞填充、边缘锐化、噪声滤波。很多教程到这里就结束了，但实际项目里，这步的后处理技巧往往决定最终效果——比如用引导滤波保边去噪，比均值滤波能多保留30%的细小凸起结构。

3. 核心细节解析与实操关键点

3.1 相机标定：不是“跑个脚本”，而是“重建光学关系”

标定不是走形式。它的本质，是用数学模型精确描述“现实世界点→相机成像平面像素”的映射关系。这个关系由两部分组成：内参（相机自身属性，如焦距f、图像中心cx/cy、镜头畸变k1/k2/p1/p2）和外参（相机在空间中的位姿，即R和T）。很多人以为标定就是打印一张棋盘格，拍十几张图，运行OpenCV的calibrateCamera函数完事。但实测发现，这样标出来的结果，在0.5米距离误差常超1.5mm。问题出在哪？

首先是标定板质量。我试过三种：A. 普通A4纸打印的棋盘格（墨水晕染，角点模糊）；B. 铝合金蚀刻板（边缘锐利，但反光严重）；C. 亚克力背光板（均匀打光，角点对比度高）。结果C的重投影误差稳定在0.12像素，A则高达0.45像素。因为角点检测精度直接决定标定精度，而角点检测依赖梯度变化，反光或模糊会让梯度计算失真。

其次是拍摄策略。必须覆盖整个视场：板子要填满画面四角、中心、远近不同距离（0.3m/0.6m/1.0m），且每次姿态要有明显变化（倾斜、旋转、平移）。我见过有人把板子固定在支架上，只前后移动，结果标定出的焦距误差达8%，因为缺乏旋转信息，无法解耦畸变与焦距耦合项。

最后是外参标定的致命陷阱。双目标定中，stereoCalibrate函数返回的R和T，是“右相机相对于左相机”的位姿。但很多初学者直接拿这个T当基线向量用，错了。T是平移向量，单位是毫米，但它的方向是“从左相机原点指向右相机原点”，而基线B是两光心距离，即|T|。更关键的是，T的Z分量（前后方向）必须接近0，否则说明两相机光轴不平行，极线校正后会严重畸变。我们调试时发现T_z=12.3mm，意味着右相机比左相机靠后1.2cm，校正后图像上下翻转。最后用精密云台微调两相机俯仰角，把T_z压到0.4mm以内，问题解决。

注意：标定后务必做重投影验证。用标定参数将3D标定板角点重新投影回2D图像，看像素偏差。平均误差＞0.3像素，标定不合格，必须重来。这不是可选项，是必选项。

3.2 极线校正：让“大海捞针”变成“直线寻宝”

极线几何是立体视觉的理论根基。简单说，左图上任意一点p，在右图的对应点p'，必然落在一条叫“极线”的直线上。这条线由p的位置和两相机相对位姿决定。极线校正的目标，就是通过图像几何变换（旋转+仿射），让所有极线都变成水平且对齐的扫描线。这样，匹配就从二维搜索降为一维搜索。

但校正不是越“平”越好。OpenCV提供两种校正模式：cv2.StereoRectify的R1/R2/P1/P2参数用于initUndistortRectifyMap，其中P矩阵的[0,2]和[1,2]是新图像的主点偏移。如果校正后主点偏移过大（比如x偏移200像素），意味着有效图像区域被大幅裁剪。我们测试过一组参数：校正后图像尺寸从1280×720裁到850×600，视野损失35%。这对需要大视野的AGV导航是灾难性的。

解决方案是手动约束校正参数。在调用stereoRectify时，传入flags=cv2.CALIB_ZERO_DISPARITY，强制让极线水平且Y坐标一致，同时用alpha=0.0（完全裁剪无效区）或alpha=0.8（保留更多原始图像）。我们最终选alpha=0.6，平衡了视野保留与极线对齐度。另外，校正后的图像会有轻微桶形畸变残留，必须再做一次undistort，否则匹配时边缘点视差误差会突增。

还有一个隐藏技巧：校正后检查极线对齐度。取左图一行像素（如y=360），用cv2.remap得到右图对应行，用cv2.line画出来。如果线条弯曲或错位，说明外参标定不准或校正参数有误。我们曾因此发现云台螺丝松动，导致外参随时间漂移。

3.3 立体匹配：传统算法与深度学习的实战取舍

匹配算法是立体视觉的“心脏”，选错等于方向错误。我对比过五种主流方案在工业检测场景下的表现（目标：检测0.5mm高的焊锡凸点）：

数据很直观：BM快但糙，GANet精但重。实际选型必须看部署环境。比如在Jetson Nano上跑PSMNet，温度一高直接降频，帧率掉到1fps，根本没法用。而SGBM虽然精度稍逊，但所有参数都有明确物理意义，调起来有章可循。

SGBM的核心参数我总结为“三剑客”：

• minDisparity：最小视差值，设为0表示最近点视差为0（对应无穷远），但实际中设为-16或-32，能更好处理前景遮挡。
• numDisparities：视差搜索范围，必须是16的倍数。设太小（如64），远距离物体视差超出范围，深度图一片黑；设太大（如256），计算量暴增且引入大量误匹配。我们根据基线B=12cm、焦距f=600px、最近距离Z_min=0.3m，用公式d_max = f×B/Z_min ≈ 240px，最终定为256。
• uniquenessRatio：唯一性检验阈值。匹配代价最小值必须比第二小值大一定比例，否则认为匹配不可靠。默认5%，但在高反光金属表面，我们调到15%，大幅减少飞点。

实操心得：永远先用SGBM调出可用结果，再考虑升级。因为它的参数调整过程，本身就是对场景深度分布的一次深度理解——你调的不是数字，而是对物理世界的建模。

4. 实操全过程与核心环节实现

4.1 硬件搭建：从采购清单到物理对齐的毫米级操作

别小看硬件搭建。我经手的项目里，70%的深度图异常，根源都在这一步。以下是经过三次迭代验证的双目硬件清单（以中距离工业检测为例）：

• 摄像头：2台全局快门工业相机，分辨率为1280×720，帧率≥60fps，接口GigE（千兆网，带宽足，抗干扰强）。禁用USB3.0，因线材过长时供电不稳，易丢帧。
• 镜头：定焦镜头，焦距6mm（对应约75°水平视场角），光圈F2.0（保证弱光性能）。必须配C口镜头，禁用CS口转接环，因转接会引入额外畸变。
• 基线支架：铝合金精密滑台，带微调旋钮（精度0.01mm）。两相机光心距离固定为120mm（B=120mm），此值需用游标卡尺实测，而非依赖支架标称值。
• 同步信号：用硬件触发线（TTL电平），由主相机发出触发脉冲，从相机接收，确保两图曝光时刻绝对一致。软件触发有毫秒级延迟，运动物体必模糊。
• 标定板：30×20cm亚克力背光板，棋盘格尺寸20×15mm，角点精度±0.02mm。

物理对齐是魔鬼细节：

1. 用激光准直仪打一条水平基准线，调整两相机底座，使光轴高度一致（误差＜0.1mm）；
2. 用倾角仪贴在相机外壳，调两相机俯仰角，使光轴平行（倾角差＜0.1°）；
3. 用千分表测两镜头前组镜片到基准线距离，确保共面（误差＜0.05mm）；
4. 最后用标定板在1m距离处，拍一组图，检查左右图中同一角点的Y坐标差，应＜1像素。超差则微调俯仰。

这套流程看起来繁琐，但省下后期无数调试时间。某次我们跳过倾角校准，结果标定后T_z=8.2mm，重调花了两天。

4.2 标定与校正：完整代码与参数解析

以下是我们生产环境使用的标定与校正Python脚本核心逻辑（基于OpenCV 4.8），每行都附实操注释：

import cv2 import numpy as np # 1. 标定板参数（必须与实物一致） CHESSBOARD_SIZE = (9, 6) # 内角点数，非方格数！实测9×6比10×7更稳定 SQUARE_SIZE = 0.025 # 单位：米，25mm，用游标卡尺实测标定板 # 2. 初始化标定对象 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) objp = np.zeros((CHESSBOARD_SIZE[0] * CHESSBOARD_SIZE[1], 3), np.float32) objp[:, :2] = np.mgrid[0:CHESSBOARD_SIZE[0], 0:CHESSBOARD_SIZE[1]].T.reshape(-1, 2) objp *= SQUARE_SIZE # 3. 收集图像（此处省略读图循环） # 关键：确保至少15张高质量图，覆盖全视场 # 4. 单目标定（左右相机独立） ret_l, mtx_l, dist_l, rvecs_l, tvecs_l = cv2.calibrateCamera(objpoints, imgpoints_l, gray_l.shape[::-1], None, None) ret_r, mtx_r, dist_r, rvecs_r, tvecs_r = cv2.calibrateCamera(objpoints, imgpoints_r, gray_r.shape[::-1], None, None) # 5. 双目标定（核心！） flags = cv2.CALIB_FIX_INTRINSIC # 固定内参，只优化外参 ret, _, _, _, _, R, T, E, F = cv2.stereoCalibrate( objpoints, imgpoints_l, imgpoints_r, mtx_l, dist_l, mtx_r, dist_r, gray_l.shape[::-1], flags=flags, criteria=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 1e-5) ) # 6. 极线校正（关键参数alpha=0.6） R1, R2, P1, P2, Q, roi1, roi2 = cv2.stereoRectify( mtx_l, dist_l, mtx_r, dist_r, gray_l.shape[::-1], R, T, flags=cv2.CALIB_ZERO_DISPARITY, alpha=0.6 # 0.0=全裁剪，1.0=不裁剪，0.6是经验值 ) # 7. 生成校正映射表（注意：必须用rectify后的P矩阵） map1_l, map2_l = cv2.initUndistortRectifyMap(mtx_l, dist_l, R1, P1, gray_l.shape[::-1], cv2.CV_16SC2) map1_r, map2_r = cv2.initUndistortRectifyMap(mtx_r, dist_r, R2, P2, gray_r.shape[::-1], cv2.CV_16SC2) # 8. 应用校正（实时处理） def rectify_frame(left_img, right_img): rect_l = cv2.remap(left_img, map1_l, map2_l, cv2.INTER_LINEAR) rect_r = cv2.remap(right_img, map1_r, map2_r, cv2.INTER_LINEAR) return rect_l, rect_r

参数选择依据：

• alpha=0.6：经实测，在保留85%原始视野的同时，保证极线对齐误差＜0.3像素；
• CALIB_ZERO_DISPARITY：强制极线水平，避免后续匹配跨行搜索；
• cv2.CV_16SC2：使用16位有符号整数映射表，精度高于默认的cv2.CV_32FC1，减少重采样误差。

4.3 立体匹配与深度图生成：SGBM调优与后处理链

匹配不是终点，而是起点。以下是我们在产线部署的SGBM完整配置与后处理流程：

# SGBM参数（针对1280×720@60fps场景） stereo = cv2.StereoSGBM_create( minDisparity=-32, # 允许负视差，处理前景遮挡 numDisparities=256, # 256=16×16，覆盖0.3m–3.5m范围 blockSize=11, # 匹配窗口大小，奇数，5–21间选，11平衡速度与精度 P1=8 * 3 * 11 ** 2, # 一阶邻域惩罚，控制视差变化平滑度 P2=32 * 3 * 11 ** 2, # 二阶邻域惩罚，抑制噪声，设为P1的4倍 disp12MaxDiff=1, # 左右一致性检验阈值，1像素内认为可靠 uniquenessRatio=15, # 唯一性检验，15%比默认5%更适合金属反光面 speckleWindowSize=100, # 斑点滤波窗口，100像素足够 speckleRange=2 # 斑点视差变化范围，2像素 ) # 深度图生成（单位：毫米） def disparity_to_depth(disparity_map, baseline_mm=120, f_px=600): # 三角测量公式 Z = f*B/d，d为视差，需转为浮点 disparity_float = disparity_map.astype(np.float32) # 避免除零，设最小视差为1 disparity_float[disparity_float == 0] = 1 depth_map = (f_px * baseline_mm) / disparity_float return depth_map # 后处理四步法（实测提升边缘精度30%） def post_process_depth(depth_map): # 步骤1：空洞填充（用邻域均值，非插值，保边缘） mask = (depth_map == 0).astype(np.uint8) depth_filled = cv2.inpaint(depth_map, mask, 3, cv2.INPAINT_NS) # 步骤2：引导滤波（保边去噪，比高斯滤波好） guide = cv2.cvtColor(rect_l, cv2.COLOR_GRAY2RGB) # 用校正后左图作引导图 depth_filtered = cv2.ximgproc.guidedFilter(guide, depth_filled, radius=8, eps=500) # 步骤3：边缘锐化（增强0.5mm级凸起） kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]]) depth_sharpened = cv2.filter2D(depth_filtered, -1, kernel) # 步骤4：深度阈值截断（剔除无效远点） depth_sharpened[depth_sharpened > 4000] = 0 # >4m视为无效 return depth_sharpened

为什么用引导滤波而不是双边滤波？
因为双边滤波只考虑像素值相似性，而引导滤波还利用了引导图（这里是校正后的左图）的空间结构信息。在焊点检测中，焊点边缘在灰度图上是强梯度，引导滤波能精准沿此梯度平滑噪声，而不模糊边缘；双边滤波则会把焊点边缘也平滑掉，导致高度测量偏低0.15mm。

5. 常见问题与排查技巧实录

5.1 深度图大面积空白：不是算法问题，是硬件或标定故障

这是最高频问题。现象：深度图中间一大片黑色，只有边缘有零星深度值。90%的情况与算法无关，按以下顺序排查：

1. 检查同步信号：用示波器测两相机TTL触发线，确认上升沿时间差＜1μs。若超差，换用硬件同步模块，禁用软件触发。
2. 验证极线校正：取左图一行（y=360），在校正后右图同一行取点，用cv2.matchTemplate做模板匹配，看最大响应位置是否在x=360±2范围内。若偏移＞5像素，说明stereoRectify的R1/R2计算错误，重标定。
3. 检查视差范围：打印disparity_map.min()和max()。若max()＜50，说明numDisparities设太小，或物体太远；若min()＞-10，说明minDisparity设太大，近处物体被裁掉。
4. 光照一致性：用照度计测左右相机入射光强，差值＞15%时，深度图会出现明暗交界处的断裂。解决方案：在镜头前加ND滤光片，或调两相机曝光增益，使灰度图均值差＜5。

实操心得：我曾在一台设备上折腾三天没解决空白问题，最后发现是其中一台相机的GigE网卡驱动版本过旧，导致图像传输偶发丢包，深度计算时数据错位。升级驱动后立刻正常。所以，永远先怀疑硬件链路，再怀疑算法。

5.2 深度图“飞点”与噪声：从光学源头到算法过滤的全链路治理

飞点（孤立的高深度值噪点）是另一个顽疾。它让机械臂误判障碍物，或让AR虚拟物体穿模。治理必须分层：

• 光学层：检查镜头清洁度。指纹或灰尘在镜头上形成微透镜，造成局部散焦，匹配时产生错误视差。用无尘布+镜头清洁液每周擦拭一次。
• 标定层：重投影误差＞0.3像素时，飞点密度指数上升。必须重标定。
• 匹配层：uniquenessRatio从5%提到12%，speckleRange从1调到2，能过滤70%飞点。
• 后处理层：在post_process_depth中加入形态学开运算：

  kernel = np.ones((3,3), np.uint8) depth_clean = cv2.morphologyEx(depth_sharpened, cv2.MORPH_OPEN, kernel)

  这能消除3×3像素内的孤立噪点，且不损伤真实小物体。

5.3 远距离精度骤降：视差太小的物理极限与应对策略

立体视觉有天然物理极限：视差d = f×B/Z。当Z很大时，d趋近于0，像素级测量误差会被放大。例如，Z=10m时，d≈7.2px，此时1像素的匹配误差，会导致Z误差达±0.14m！这不是算法能突破的。

应对策略只有两个：

1. 增大基线B：从12cm加到25cm，Z=10m时d≈15px，误差降至±0.067m。但B太大，近处物体（＜1m）视差超范围，需动态切换B（用可调基线支架）。
2. 多尺度匹配：先用降采样（如640×360）图做粗匹配，得到大致深度范围，再在原图对应ROI区域做精细匹配。我们用此法，在5–15m距离将误差从±12cm压到±4.5cm。

5.4 纹理缺失区域匹配失败：从主动照明到算法补偿的实战方案

白墙、黑色金属、水面——这些“噩梦表面”让所有匹配算法跪倒。我们的解决方案是组合拳：

• 硬件补光：在双目中间加装环形LED灯，波长850nm（人眼不可见，不干扰作业），亮度可调。对白墙，提高亮度增强漫反射；对黑金属，降低亮度避免镜面反射饱和。
• 偏振滤光：在镜头前加线偏振片，旋转角度至反射光最小。实测对不锈钢表面，匹配成功率从35%升至82%。
• 算法补偿：在SGBM匹配后，对置信度低的区域（disparity_map中valid_disp < 0.5的像素），用深度学习补全。我们训练了一个轻量U-Net（仅1.2MB），输入左图+初始深度图，输出修复深度图。在Jetson Xavier上推理耗时18ms，精度提升显著。

6. 立体视觉的延伸价值与工程化思考

立体视觉的价值，远不止于生成一张深度图。它是一把钥匙，打开了机器理解三维世界的门。我在某次农业机器人项目中深刻体会到这点：最初需求只是“识别番茄是否成熟”，用RGB图像分类就够了。但客户现场反馈，机器人总把青番茄当成成熟番茄——因为光照角度不同，青番茄反光强，看起来像红的。我们加了立体视觉，不仅得到番茄位置，还计算出果梗朝向、果实曲率、表面微凸起（代表糖分积累）。最终模型把识别准确率从82%提到99.3%，而且能预测采摘力度——曲率大的果实要轻摘，否则易裂。

这引出一个关键认知：立体视觉不是独立模块，而是三维感知的基础设施。它提供的Z轴数据，可以和RGB、热成像、IMU数据融合，构建多模态空间理解。比如，把深度图转成点云，用PCL库做平面分割，快速提取桌面、地面、传送带；再把RGB图像纹理映射到点云上，就得到带颜色的三维模型，供后续抓取规划使用。

工程化落地时，我坚持三个原则：
第一，精度可验证。所有参数调整，必须用已知尺寸的标定块（如10mm立方体）实测深度误差，记录在案。不能只看图像效果。
第二，鲁棒性优先。宁可深度图少一点，也不能有错的深度。所以SGBM的uniquenessRatio宁高勿低，后处理宁可多滤几次，也不留飞点。
第三，维护性设计。把标定、校正、匹配封装成独立模块，提供命令行接口。产线工人只需执行./calibrate.sh，插入标定板，自动完成全流程，无需懂原理。

最后分享一个小技巧：在深度图生成后，加一步“深度梯度图”可视化。用cv2.Sobel(depth_map, cv2.CV_64F, 1, 0, ksize=3)计算X方向梯度，能直观看到物体边缘、凸起、凹陷。这比盯着深度数值高效十倍——某次调试中，梯度图一眼暴露了校正后极线轻微弯曲，而深度图看着完全正常。

立体视觉没有玄学，它是一门精密的工程科学。每一个像素的深度值，背后都是光学、几何、算法的严丝合缝。当你亲手调出第一张清晰的深度图，看到屏幕上那个杯子的轮廓从模糊到锐利，杯沿的凸起从平滑到分明，那一刻你会明白：机器不是在“看”，而是在“感知”。