- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 双目标定、左右两图计算视图差、cvReprojectImageTo3D（）源代码解析
2、计算左右两图视图差求左右相机的视差。同样工程调试->命令参数里设置参数为：left01.jpg right01.jpg --algorithm=bm -i intrinsics.yml -e extrinsics.yml// depthView.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include "openc
2016-11-25 16:34:48
17188
12
转载 双目立体视觉匹配算法-----SAD匹配算法、BM算法、SGBM算法、GC算法
一、 SAD算法1.算法原理 SAD(Sum of absolute differences)是一种图像匹配算法。基本思想：差的绝对值之和。此算法常用于图像块匹配，将每个像素对应数值之差的绝对值求和，据此评估两个图像块的相似度。该算法快速、但并不精确，通常用于多级处理的初步筛选。2.基本流程输入：两幅图像，一幅Left-Image，一幅Right-Im
2016-11-23 11:11:54
71057
31
转载 OpenCV三种立体匹配求视差图算法总结
首先我们看一下BM算法：该算法代码：CvStereoBMState *BMState = cvCreateStereoBMState();int SADWindowSize=15; BMState->SADWindowSize = SADWindowSize > 0 ? SADWindowSize : 9; BMState->minDisparity = 0;
2016-11-18 09:03:27
11944
4
转载 基于深度摄像头的障碍物检测（realsense+opencv）
一个基于深度摄像头的障碍物检测代码的核心思路是首先通过二值化，将一米之外的安全距离置零不考虑，然后通过开运算去除掉一些噪点（这个后来发现不一定有必要），在求出所有障碍物的凸包，这个时候要计算面积，当面积小于一定的阈值的时候不予考虑，最终输出障碍物的凸包坐标。//find_obstacle函数是获取深度图障碍物的函数,返回值是每个障碍物凸包的坐标，参数一depth是realsense
2016-11-16 10:28:16
7226
6
转载 使用opencv做双目测距（相机标定+立体匹配+测距）
一、 标定 首先我们要对摄像头做标定，具体的公式推导在learning opencv中有详细的解释，这里顺带提一句，这本书虽然确实老，但有些理论、算法类的东西里面还是讲的很不错的，必要的时候可以去看看。 Q1：为什么要做摄像头标定？ A: 标定的目的是为了消除畸变以及得到内外参数矩阵，内参数矩阵可以理解为焦距相关，它是一个从平面到像素的转换，焦距不变它
2016-11-16 10:22:31
10648
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人