单目深度：别当激光用

1. 看起来神奇，直到拿它规划抓取

单目深度网络输出边缘模糊、尺度漂移、行人阴影被当成静态结构——没校准尺度前，我不当唯一避障源。产线用相对深度直接算净空距离，机械臂撞框不是模型「不准」，是用错了输出类型。单目深度看起来能替代激光雷达，直到你拿它做米制路径规划。

2. 输出类型要分清

相对深度：逆深度比例对，米制不对。仿射不变深度：差一个尺度加平移。米制深度：需激光雷达监督或后处理标定尺度。OpenCV 传统立体视觉有米制：半全局块匹配得视差，重投影到三维输出 $(X, Y, Z)$ （基线准确时）。单目神经网络无额外先验无米制——常见网络输出逆深度，后处理 $d = 1/ (a \cdot d_{in v} + b)$ 拟合。

python

stereo = cv2.StereoSGBM_create(minDisparity=0, numDisparities=128, blockSize=5)
disp = stereo.compute(left, right).astype(np.float32) / 16.0
points = cv2.reprojectImageTo3D(disp, Q)  # Q 来自 stereoRectify

MiDaS、DPT 类网络输出逆深度，语义是「远近排序」而非米制距离。部署前必须明确网络训练时的监督类型，别凭界面可视化「看起来有深度」就上产线。

3. 尺度对齐

已知相机高度、平面假设、或稀疏激光雷达点，做最小二乘拟合：

s, t min (u, v) \in M \sum (s \cdot d_{m o n o} (u, v) + t - d_{r e f} (u, v))^{2}

同一场景跑立体匹配与单目深度，在有效掩码 $M$ 上拟合尺度平移。动态物体从 $M$ 剔除再拟合，否则尺度被拖偏。每帧尺度飘说明网络在域偏移——别指望一次离线标定管全程。

同一帧可用 cv2.norm(d_mono_scaled - d_stereo, cv2.NORM_L1) 在有效掩码上统计对齐误差，作为在线监测指标。

4. 失效场景与融合

透明反光、训练域外纹理、纯旋转（无视差信号）、动态物体（静态世界假设）都会让单目深度失效。融合时深度图加立体或激光雷达卡尔曼滤波；置信度掩码来自网络熵或左右一致性（若有）。单目深度帧间闪烁大，光流 warp 上一帧深度做一致性检查可掩蔽不稳定区域。

6. 时序一致性与融合策略

单目深度帧间闪烁大，不能单独驱动紧急制动。光流 warp 上一帧深度做一致性检查可掩蔽不稳定区域；无真值时用左右目（立体）或激光雷达稀疏点当锚。融合时深度图加立体或激光雷达卡尔曼滤波，置信度掩码来自网络熵或左右一致性。别把 relative depth 当激光避障唯一源——至少两路几何交叉验证。

7. 案例：抓取深度误用

装配线用单目深度规划抓取高度，玻璃台面反射导致深度图在台面处塌陷，机械臂下插过深。根因是把相对深度当米制用，且未 mask 高反光区域。换立体相机作参考路，离线拟合尺度平移后，净空误差从二十厘米降到三厘米——但动态行人区域仍需剔除后再拟合。

8. 验收

有真值：绝对相对误差、 $δ < 1.25$ 比例
无真值：边缘对齐分数、尺度漂移
动态片段时间一致性
障碍物边界 F1 与推理延迟一并报告

上线前必须完成尺度对齐验证，相对深度不能直接驱动米制避障。部署域与训练域光照差异大时，尺度因子需在线重估或周期性复标——别假设一次拟合永久有效。