如何通过立体视觉视差图与深度图计算车辆真实距离

你已经拿到原始depth_map数组的前提下，不需要额外从视差图做转换，直接基于深度图计算是路径最短、误差最可控的方案，具体实现逻辑如下：

核心计算逻辑 #

1. 前置校验 #

首先确认你的depth_map数值尺度：

• 如果是经过标定对齐的立体视觉输出，先确认深度值单位：常见输出单位为毫米，转米的缩放系数为0.001；如果输出是0-1/0-255的归一化值，需要先结合相机参数做尺度映射，否则结果没有物理意义。
• 不要用应用了colormap的伪彩可视化图计算，这类图存储的是RGB通道值，和真实深度值没有线性对应关系，必须用原始的单通道深度数组计算。

如果你只有视差图、没有对齐尺度的深度图，直接用经典双目深度公式计算即可：Z = (f * B) / d，其中f是双目相机水平焦距（单位：像素，从内参获取），B是双目基线长度（两个光心的间距，单位和最终输出距离单位一致，从外参获取），d是对应像素的视差值。

2. 检测框内有效深度提取 #

不要直接对整个检测框的深度值求平均，也不要直接取检测框中心点的单像素深度——检测框内通常包含地面、空隙、车窗透明区域、远处背景等无效像素，直接计算误差极大，正确的ROI取法：

• 取检测框中心偏下1/3的横向居中区域：这个位置对应车辆前脸/后备箱的实体车身，是离相机最近的车辆部分，极少混入背景或地面
• 剔除ROI内的无效值：立体匹配输出的空洞点通常数值为0、NaN或者超出相机合理量程的异常值，计算前先过滤
• 对剩余有效深度值取中位数而非均值：中位数对离群点的鲁棒性远高于均值，不会被个别错误匹配的像素带偏结果

3. 可直接复用的实现代码 #

import numpy as np

def calc_vehicle_distance(depth_arr, bbox, scale_to_m=0.001, max_valid_dist=200):
    """
    从深度数组计算检测车辆的真实距离
    参数:
        depth_arr: 单通道深度数组，尺寸为(H,W)，对应你的480×640 depth_map
        bbox: 检测框坐标，格式为(x_min, y_min, w, h)，即边界框左上角x、y坐标+框宽、框高
        scale_to_m: 深度值转米的缩放系数，深度单位为毫米时填0.001，单位为米时填1
        max_valid_dist: 车载场景有效最大距离阈值，单位米，超过该值的深度判定为无效
    返回:
        车辆距离（单位：米），无有效深度时返回None
    """
    x_min, y_min, box_w, box_h = bbox
    x_max = x_min + box_w
    y_max = y_min + box_h

    # 截取中心偏下的车身ROI区域
    roi_y0 = int(y_min + box_h * 0.6)
    roi_y1 = int(y_min + box_h * 0.9)
    roi_x0 = int(x_min + box_w * 0.2)
    roi_x1 = int(x_min + box_w * 0.8)

    # 裁剪边界防止数组越界
    roi_y0 = max(0, roi_y0)
    roi_y1 = min(depth_arr.shape[0], roi_y1)
    roi_x0 = max(0, roi_x0)
    roi_x1 = min(depth_arr.shape[1], roi_x1)

    roi_depth_data = depth_arr[roi_y0:roi_y1, roi_x0:roi_x1]
    # 过滤无效深度值
    valid_depth = roi_depth_data[
        (roi_depth_data > 0.1)
        & (~np.isnan(roi_depth_data))
        & (roi_depth_data < max_valid_dist / scale_to_m)
    ]

    if len(valid_depth) == 0:
        return None
    
    # 取中位数计算距离，保留两位小数
    distance = np.median(valid_depth) * scale_to_m
    return round(distance, 2)

常见误差规避要点 #

• 如果没有做过相机标定，不知道精确的焦距、基线参数，可以直接用已知距离做尺度校准：把车辆停在距离相机5米的位置，读取上述ROI区域的深度中位数d，缩放系数scale_to_m = 5 / d即可完成尺度对齐，精度足够常规场景使用
• 远距离场景下（>50米）立体匹配本身的深度误差会快速上升，属于算法固有特性，计算结果仅作参考
• 如果检测框内有效深度占比低于30%，说明该目标区域匹配质量差，建议丢弃该帧的距离结果，不要强行计算

内容的提问来源于stack exchange，提问作者claymorehack