Stereo Vision
Stereo görü, iki farklı konumdaki kamera görüntülerinde her noktayı eşleştirip görüntüler arasındaki kaymayı üçgenleme yöntemiyle ölçerek derinliği hesaplar; robotlarda, arabalarda ve gezgin araçlarda kullanılır.
Stereo görme, bilinen bir mesafe aralıkla yerleştirilmiş kameraların aynı sahnenin çektiği iki görüntüden derinlik çıkarma bilgisayarlı görü tekniğidir. Yakındaki bir nesnenin noktası sol ve sağ görüntülerde belirgin biçimde farklı konumlara düşerken uzaktaki bir nokta neredeyse aynı konuma düşer. Paralaks adı verilen bu yatay kayma, üçgenleme yoluyla doğrudan mesafeye çevrilir. İnsanların iki gözlü görmesi de gözler yaklaşık 6 cm aralıklı olacak şekilde aynı biçimde çalışır. Stereo kamera düzenekleri, robotik sistemlere, arabalara, dronlara ve gezegen gezginlerine sıradan pasif kameralardan yoğun derinlik kestirimi sağlar.
Stereo Görme Nasıl Çalışır#
Bir stereo sistemin önce kamera kalibrasyonuna ihtiyacı vardır: her kameranın odak uzaklığı ve mercek bozulması ile iki kamera arasındaki dönme ve öteleme. Düzeltme işlemi, epipolar geometrinin en basit biçimini alması için iki görüntüyü dönüştürür; bu biçimde her noktanın eşleşmesi diğer görüntüde aynı satırda yer alır. Böylece eşleştirme problemi, yani aynı sahne noktasını iki görünümde bulma işi, bir satır boyunca yapılan tek boyutlu bir aramaya dönüşür. Paralaksı d olan eşleşmiş bir piksel için derinlik Z = f × B / d olur. Burada f, piksel cinsinden odak uzaklığı; B ise kameralar arasındaki mesafe olan taban uzunluğudur.
Bu örnek, scikit-image ile birlikte gelen Middlebury 2014 stereo karşılaştırma testindeki düzeltilmiş bir görüntü çiftinde OpenCV yarı küresel eşleştiricisini çalıştırır. Bu veri kümesinde yapılandırılmış ışıkla ölçülmüş ve alt piksel hassasiyetine sahip gerçek değerli paralaks da bulunur:
import cv2
import numpy as np
from skimage import data
# Rectified Middlebury stereo pair with ground-truth disparity (focal length 995 px, baseline 0.193 m)
left, right, true_disp = data.stereo_motorcycle()
left, right = cv2.cvtColor(left, cv2.COLOR_RGB2GRAY), cv2.cvtColor(right, cv2.COLOR_RGB2GRAY)
# Semi-global matching searches each pixel's row in the other image; OpenCV returns 1/16-pixel units
sgbm = cv2.StereoSGBM_create(minDisparity=0, numDisparities=80, blockSize=5, P1=200, P2=800, uniquenessRatio=10)
disp = sgbm.compute(left, right).astype(np.float32) / 16
# Score the pixels that have ground truth and a confident match
valid = np.isfinite(true_disp) & (disp > 0)
good = np.abs(disp - true_disp)[valid] < 1
print(f"Matched {valid.mean():.0%} of pixels, {good.mean():.1%} of them within 1 px of ground truth")
# Triangulate depth: Z = focal * baseline / (disparity + offset between the two principal points)
depth, true_depth = (994.978 * 0.193 / (d + 31.086) for d in (disp, true_disp))
print(f"Depth at the image center: {depth[250, 370]:.2f} m (ground truth {true_depth[250, 370]:.2f} m)")Matched 79% of pixels, 91.0% of them within 1 px of ground truth ifadesini yazdırır ve görüntünün merkezinde, gerçek değerle eşleşen 2.40 m derinlik verir. Eşleşmeyen piksellerin çoğu, 80 paralaks üzerinde yapılan aramanın sağ görüntünün sınırını aşacağı, sol kenar boyunca uzanan 80 piksellik şeritte bulunur.
Eşleştirme Algoritmaları ve Doğruluk#
Pikselden oluşan küçük pencereleri karşılaştırmak, pencere dokusuz olduğunda, bir deseni yinelediğinde veya nesne kenarını kestiğinde başarısız olur. Heiko Hirschmüller'in 2005'te tanıttığı ve değiştirilmiş biçimiyle OpenCV'nin StereoSGBM uygulamasında yer alan yarı küresel eşleştirme, paralaks sıçramalarına bir düzgünlük cezası ekler ve bunu görüntü boyunca birkaç 1B yolda toplar. Bu yöntem, nesne kenarlarını keskin tutarken dokusu zayıf bölgeleri doldurur. Derin öğrenme yöntemleri, el yapımı maliyetler yerine öğrenilmiş özellik haritaları ve aday paralakslar üzerindeki bir maliyet hacmi kullanır; RAFT-Stereo ise paralaks alanını optik akış ağları tarzında yinelenen güncellemelerle iyileştirir. Yöntemler, Daniel Scharstein ve Richard Szeliski'nin 2002'de başlattığı Middlebury stereo karşılaştırma testi ve LiDAR gerçek değerlerine sahip KITTI sürüş sahneleri üzerinde karşılaştırılır.
Mesafeyle birlikte hassasiyet hızla düşer. Derinlik formülünün türevi, her bir piksel eşleşme hatasının derinlikte yaklaşık Z² / (f × B) kadar hataya yol açtığını gösterir; dolayısıyla kamera yukarıdayken bir piksellik hata 2,4 m'de 3 cm, 10 m'de ise 52 cm anlamına gelir. Daha geniş bir taban çizgisi veya daha uzun bir odak uzaklığı, minimum mesafeyi artırıp yalnızca tek bir kameranın gördüğü bölgeleri çoğaltma pahasına kullanılabilir menzili uzatır. Intel RealSense D400 serisi gibi aktif stereo kameralar, sahneye kızılötesi nokta deseni yansıtır; bu da boş duvarlara eşleştirme için gereken dokuyu kazandırır.
Stereo Görüş ile Monoküler Derinlik ve Aktif Sensörlerin Karşılaştırması#
Tek görüntülü derinlik tahmini, perspektif, nesne boyutu ve örtülme gibi öğrenilmiş ipuçlarını kullanarak tek bir görüntüden derinliği tahmin eder; dolayısıyla ölçeği eğitim verisinden gelir. Stereo ise ölçeği taban çizgisinden geometrik olarak ölçer. Ultralytics YOLO26 derinlik tahmin modelleri, tek görüntülü yaklaşımı izleyerek tek bir RGB görüntüsünden metre cinsinden derinlik haritası tahmin eder; model.calibrate() ise ölçülmüş derinliğe sahip az sayıda görüntü kullanarak bu modellerin metrik ölçeğini belirli bir kameraya uyarlar. LiDAR ve uçuş süresi kameraları, yayılan ışığın süresini ölçerek mesafeyi etkin biçimde ölçer; birçok araç bunları sensör füzyonu aracılığıyla stereo ile birleştirir. Stereo derinliği ayrıca 3B nesne algılamaya, 3B yeniden oluşturmaya ve görsel SLAM'e girdi sağlar; zaman eklendiğinde ise her noktanın 3B hareketi olan sahne akışına dönüşür.
Gerçek Dünya Uygulamaları#
- Sürücü destek sistemleri: Subaru'nun EyeSight sistemi, uyarlanabilir hız sabitleyici ve otomatik acil frenleme için öndeki araçlara ve yayalara olan mesafeyi ölçmek üzere dikiz aynasının yakınına monte edilmiş iki kamera kullanır.
- Robotla parça alma: Robot kollarındaki stereo derinlik kameraları, kavrayıcının ihtiyaç duyduğu 3B konum ve yönelim bilgilerini sağlayarak kutulardaki ve konveyör bantlarındaki parçaların yerini belirler.
- Dronlar: DJI'ın Mavic serisi gibi tüketici dronları, birkaç yöne bakan binoküler görüş sensörleriyle engelleri algılar.
- Gezegen gezginleri: NASA'nın Perseverance gezgini, stereo navigasyon kameralarından gelen verilerle yerleşik olarak 3B arazi haritaları oluşturup Mars'ta kendi kendine ilerler.










