128、人像模式深度揭秘：双目/ToF/单摄深度估计与虚化算法一个让我熬夜三天的Bug2019年某旗舰机项目，人像模式在暗光下拍出来的头发边缘像被狗啃过。PM拿着竞品样张拍桌子，算法团队说是硬件模组公差问题，硬件团队说是算法没收敛。我夹在中间，拿着示波器蹲产线盯了三天，最后发现是双目基线标定文件里一个像素偏移参数写反了——左图右图差了0.3个像素，虚化引擎直接炸了。从那以后我养成了个习惯：每次看人像算法，先问一句“你的深度图是从哪来的”。这个问题的答案，决定了整个系统的上限。深度估计的三条路，没有一条好走双目立体匹配：你以为的精度，其实是假象双目方案在手机圈被吹了五年，但真正落地时坑比想象的多。核心原理大家都知道：左右图找对应点，视差转深度。但实际工程里，纹理稀疏区域（比如白墙前的人脸）匹配点根本找不到，这时候算法会“脑补”出一个深度值，虚化效果就是灾难。这里踩过坑：某次调试，我们用了SGBM（半全局块匹配）做基础匹配，在实验室场景下效果惊艳。结果一到户外逆光场景，左图过曝右图正常，匹配代价直接崩了。后来加了自适应曝光补偿和直方图匹配预处理，才算稳住。代码层面，别迷信OpenCV的StereoSGBM默认参数。我习惯这样调：// 别这样写：cv:
128、人像模式深度揭秘：双目/ToF/单摄深度估计与虚化算法一个让我熬夜三天的Bug2019年某旗舰机项目，人像模式在暗光下拍出来的头发边缘像被狗啃过。PM拿着竞品样张拍桌子，算法团队说是硬件模组公差问题，硬件团队说是算法没收敛。我夹在中间，拿着示波器蹲产线盯了三天，最后发现是双目基线标定文件里一个像素偏移参数写反了——左图右图差了0.3个像素，虚化引擎直接炸了。从那以后我养成了个习惯：每次看人像算法，先问一句“你的深度图是从哪来的”。这个问题的答案，决定了整个系统的上限。深度估计的三条路，没有一条好走双目立体匹配：你以为的精度，其实是假象双目方案在手机圈被吹了五年，但真正落地时坑比想象的多。核心原理大家都知道：左右图找对应点，视差转深度。但实际工程里，纹理稀疏区域（比如白墙前的人脸）匹配点根本找不到，这时候算法会“脑补”出一个深度值，虚化效果就是灾难。这里踩过坑：某次调试，我们用了SGBM（半全局块匹配）做基础匹配，在实验室场景下效果惊艳。结果一到户外逆光场景，左图过曝右图正常，匹配代价直接崩了。后来加了自适应曝光补偿和直方图匹配预处理，才算稳住。代码层面，别迷信OpenCV的StereoSGBM默认参数。我习惯这样调：// 别这样写：cv:
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
