我读到过，可以通过立体摄像头设置（两个焦距/光圈/其他相机设置相同的相机从不同角度拍摄同一物体）来创建深度图像。

是否有可能在iPhone上几乎立即连续拍摄两张照片，并利用这两张照片之间的差异来生成深度图像？

显然，手部轻微移动和抖动会使相机产生一些角度位移，或许可以通过分析两张照片中检测到的特征的总体位移角度来计算这种位移。

回答：

另一种看待这个问题的角度是运动结构，对此有一个很好的综述，可以在这里找到这里。

一般来说，解决空间对应问题也可以看作是时间对应问题。如果场景不变，那么从不同视角同时拍摄两张图像——就像立体视觉一样——实际上与使用同一相机在不同时间点从不同视角拍摄两张图像是相同的。

我最近发现了一个很好的实践例子——使用OpenCV实现。文章中还包含了一些其他更健壮的实现的链接。

为了更深入的理解，我建议你获取Hartley和Zisserman的《计算机视觉中的多视图几何》一书的实际副本。