双目视觉(二)双目匹配的困难和评判标准

系列文章:

  1. 双目视觉(一)双目视觉系统
  2. 双目视觉(二)双目匹配的困难和评判标准
  3. 双目视觉(三)立体匹配算法
  4. 双目视觉(四)匹配代价
  5. 双目视觉(五)立体匹配算法之动态规划全局匹配
  6. 双目视觉(六)U-V视差
  7. 双目视觉(七)稀疏双目匹配
  8. 【项目实战】利用U-V视差进行地面检测
  9. 【项目实践】U-V视差路面检测之动态规划

1.双目匹配时面临的困难 

在双目视觉中立体匹配经过半个世纪的发展,已经取得很多研究成果,但依然面临各种各样的难点与挑战。一般立体匹配算法受以下几方面影响,这也是国内外学者一直需要解决的关键问题:包括立体匹配受本身内在因素的影响,同时也受到外界环境的影响(即外在因素)以及算法精度与运行时间问题,使得在实际应用中还存在一定的局限性。

光学失真

表面反光

 缩放

 透视变换造成的失真

 缺少纹理的区域(白墙)

 重复出现

 透明的物体

 遮挡

2.双目匹配的评价标准 

在 2002 年以前,虽然立体匹配算法得到很大的发展,但却没有一个统一的标准来评估算法的好坏。所以 Scharstein 和 Szelisk开发了在线评估平台Middlebury(vision.middlebury.edu/stereo) 网站,该平台提供了四组标准的立体匹配图像数据,分别为 Tsukuba、Venus、Teddy 和 Cones

这些图片都是在不同环境下拍摄的,而且都经过外极线校正所得,并同时给出四组图像的真实视差图(Ground truth
image)作为参考,通过将上传到网站的算法和真实视差结果进行分析对比,从而得到准确的算法评估数据,同时为了对算法进行定量的评估,提出了均方根误差和误匹配率两大指标进行分析:

  • 均方根误差法 RMS(root-mean-squared)

  • 误匹配率 PBM(Percentage of bad matching pixels)

在对立体匹配算法进行误差计算评测时,通常用 Middleburry 评测网站给出三类典型区域进行划分,如非遮挡区域误匹配率(nonocc)所有像素点的误匹配率(all)视差不连续区域误匹配率(disc),对这些区域利用上述公式计算误差率,再通过计算整幅图像的平均误差率对上传的图像进行整体评估,并得到在网站中的公开排名。 

  • 18
    点赞
  • 78
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 20
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 20
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

火柴的初心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值