立体视觉
文章平均质量分 70
vampireshj
这个作者很懒,什么都没留下…
展开
-
【OpenCV】基于OpenCV的双目视觉测试
转载:http://blog.csdn.net/loser__wang/article/details/52836042代码参考邹宇华老师的双目,Camera calibration With OpenCV,Camera Calibration and 3D Reconstruction部分,按照自己的情况进行了更改。 如果读者是想快速工程使用,那可以看我的这篇博客,如果想要系统学转载 2016-12-09 10:31:52 · 9108 阅读 · 19 评论 -
Effective large scale stereo matching
Geiger.A, Efficient large-scale stereo matching, In ACCV(2010)摘要:本文提出的算法用于在双目立体视觉中进行快速高清晰度图像匹配。本算法通过在一组支持点上的三角测量构建视差的先验值。由于支持点可被精确地匹配,避免了使用其余点进行匹配造成的匹配模糊。进而可以通过有效利用视差搜索空间,重建精确的稠密视差图,而不必进行全局优化。另外,本原创 2016-12-20 10:25:01 · 994 阅读 · 0 评论 -
A Non-Local Cost Aggregation Method for Stereo Matching
转:http://blog.csdn.net/wsj998689aa/article/details/45041547最近一直在做stereo matching方向的研究,仔细研读了包括局部算法,全局算法,以及半全局算法三个方面的算法文献,对该方向有了比较清晰的了解,这次分享一下我对杨庆雄的经典文献《A Non-Local Cost Aggregation Method f转载 2016-12-20 10:51:12 · 623 阅读 · 0 评论 -
Cross-Scale Cost Aggregation for Stereo Matching
最近,研究了下CVPR2014上的一篇基于多尺度代价聚合的立体匹配算法,这个作者提供了原代码,运行了下,发现效果真心不错,不开后端处理的话,时间在0.4s左右。这个算法比较牛逼的有两点: 1:结合多尺度思想,对原始图像进行下采样,然后在每层图像上计算匹配代价,进行代价聚合,然后多尺度得到的视差进行结合,作为最终的代价聚合值。 2:提供了一个框架,里面包含立体匹配很多常用的经典的方法,可以在转载 2017-01-13 14:58:20 · 996 阅读 · 2 评论 -
Stereo Processing by Semiglobal Matching and Mutual Information
SGM中文名称“半全局匹配”,顾名思义,其介于局部算法和全局算法之间,所谓半全局指的是算法既没有只考虑像素的局部区域,也没有考虑所有的像素点。原创 2016-12-22 14:59:00 · 2965 阅读 · 0 评论