chatgpt关于reprojectImageTo3D函数生成三维点云的解答

是这样的，有个同学有个图像用AD-Census算完视差，想借助视差图生成点云，找到的函数是reprojectImageTo3D。

我测试的时候图方便，将视差图直接用cv::imwrite保存成图片，用这个图片生成点云。免得每次都算一遍视差花好多时间（保存成的视差图片格式是CV_8U）

用opencv的reprojectImageTo3D函数用来生成点云文件，但是点云一直有问题。

问了gpt发现

 给出的2个解决方法：

第一个

 //disparity为CV_8U的视差图

//CV_8U类型转换为CV_16S类型。然后，我们使用reprojectImageTo3D函数将disparity_16s转换为三维点云xyz

cv::Mat disparity_16s;

cv::Mat depth, xyz;

// 将CV_8U格式的视差图像转换为CV_16S类型

disparity.convertTo(disparity_16s, CV_16S);

// 使用reprojectImageTo3D函数生成三维点云

cv::reprojectImageTo3D(disparity_16s, xyz, Q, true);

第二个

 //disparity为CV_8U的视差图

//CV_8U类型转换为CV_32F类型。然后，我们使用reprojectImageTo3D函数将disparity_f转换为三维点云xyz

cv::Mat disparity_16s, disparity_f;
cv::Mat depth, xyz;

// 将CV_8U类型的视差图像转换为CV_16S类型
disparity.convertTo(disparity_16s, CV_16S);

// 将CV_16S类型的视差图像转换为浮点型视差图像
disparity_16s.convertTo(disparity_f, CV_32F, 1.0 / 16.0);

// 使用reprojectImageTo3D函数生成三维点云
cv::reprojectImageTo3D(disparity_f, xyz, Q, true);

// 将三维点云转换为深度图像
cv::extractChannel(xyz, depth, 2);

对于disparity_16s.convertTo(disparity_f, CV_32F, 1.0 / 16.0);中

参数1.0 / 16.0，chatgpt是这样解释的：

  应该可以理解为根据实际的点云计算情况，从点云的结果对这个比例因子调参吧哈哈