双目校正必须做，否则立体匹配输出全是噪声；需用stereoCalibrate和stereoRectify完成极线校正，再用reprojectImageTo3D结合Q矩阵获取真实深度。
双目校正必须做，否则 cv::stereoBM 或 cv::stereoSGBM 输出全是噪声
没做过极线校正（rectification）的左右图直接送进立体匹配算法，匹配点根本不在同一行上，算法会强行“拉平”找错位置，深度图看起来像电视雪花。OpenCV 要求输入必须是已校正图像——即左右图的扫描线严格对齐（epipolar lines = horizontal rows）。这步不能跳过，也不能靠后期滤波补救。
实操建议：
- 用
cv::stereoCalibrate一次性标定两相机内参 + 外参 + 旋转平移关系，再调cv::stereoRectify得到校正映射矩阵R1,R2,P1,P2 - 用
cv::initUndistortRectifyMap生成重映射图，再用cv::remap对每帧左右图实时校正 - 校正后务必用
cv::drawEpipolarLines叠加几条极线验证：所有线必须水平且左右一一对应 - 如果只有一组标定参数但需处理多组图像，保存
R1,R2,Q（重投影矩阵）到 YAML/JSON，避免重复计算
cv::StereoSGBM 比 cv::StereoBM 更可靠，但参数调不好反而更糊
cv::StereoBM 是块匹配（Block Matching），速度快但对纹理缺失、重复图案、倾斜面非常敏感；cv::StereoSGBM（Semi-Global Block Matching）通过跨方向代价聚合提升鲁棒性，是实际项目首选。但它对参数更敏感，尤其以下三项：
-
minDisparity：通常设为 0，但若基线大或最近物距远，可设为正数（如 32）避免无效近处匹配 -
numDisparities：必须是 16 的倍数（如 96、128），值越大理论深度分辨率越高，但内存和耗时剧增；室内场景 64–96 足够，室外建议 128+ -
disp12MaxDiff：左右一致性检查阈值，设太小（如 1）会砍掉大量有效点，设太大（如 50）则引入错误匹配；实测 10–16 较稳 - 别忽略
uniquenessRatio（默认 15）：低于该值的次优匹配会被丢弃，弱纹理场景可降到 5，但会增加噪点
示例初始化：
立即学习“C++免费学习笔记（深入）”；
cv::Ptr<cv::StereoSGBM> sgbm = cv::StereoSGBM::create(
0, 96, 3, // minDisparity, numDisparities, blockSize
8 * 3 * 3, // P1: 视差变化平滑项（小图用 8*3*3，大图可升到 8*5*5）
32 * 3 * 3, // P2: 视差连续性惩罚项（一般为 P1 的 4 倍）
1, 10, // disp12MaxDiff, uniquenessRatio
1000, 32 // speckleWindowSize, speckleRange
);深度图不是直接输出，要靠 cv::reprojectImageTo3D + Q 矩阵换算
立体匹配返回的是视差图（disparity map），单位是像素，不是毫米或米。想得到真实世界 XYZ 坐标，必须用校正阶段得到的 Q 矩阵（4×4 重投影矩阵）做转换。漏掉这步，所谓“深度图”只是伪彩色视差图，数值无物理意义。
-
cv::reprojectImageTo3D(disparity, xyz, Q)输出的是三维点云（CV_32FC3），其中第三通道xyz.at<:vec3f>(y,x)[2]</:vec3f>才是 Z（深度，单位与标定时的棋盘格尺寸一致，如 mm） - 若只要单通道深度图（Z 值），提取第三通道后注意：OpenCV 默认把无效点（视差 ≤0）设为
std::numeric_limits<float>::quiet_NaN()</float>，后续用cv::isfinite()过滤或用cv::threshold清洗 -
Q中的Q[2][3]和Q[3][2]隐含了焦距和基线乘积（f×B），若标定时棋盘格单位是 cm 但你要 mm 输出，得手动缩放整个Q矩阵
实际部署时，CPU 上跑 StereoSGBM 很慢，别硬扛
在 640×480 图像上，cv::StereoSGBM 默认参数在普通 i5 CPU 上约 300–500ms/帧，无法满足实时（≥15fps）需求。优化不是调低 blockSize 就完事——那会直接崩精度。
- 先降分辨率：用
cv::pyrDown缩到 320×240 再匹配，结果用cv::resize上采样，速度提升 3–4×，深度图质量损失可控 - 禁用
speckleFilter（设speckleWindowSize=0）：该滤波在 CPU 上极耗时，后处理用形态学开运算或中值滤波替代更高效 - 若硬件支持 OpenCL，编译 OpenCV 时打开
WITH_OPENCL，并确保输入 Mat 用cv::UMat，部分步骤可加速 2× - 真正要上产品，考虑用 CUDA 加速版（如
cv::cuda::StereoBM），但需 NVIDIA GPU 和额外移植成本
校正和匹配之间存在强耦合：改一个标定参数，整个 Q 矩阵变，深度尺度就偏。调试时一定固定标定流程，不要边调匹配边动相机位置。
