【计算机视觉】立体视觉计算视差图

最新推荐文章于 2022-10-15 22:31:09 发布

-shiba-

最新推荐文章于 2022-10-15 22:31:09 发布

阅读量1.3k

点赞数 1

本文链接：https://blog.csdn.net/weixin_44525231/article/details/105762780

版权

本文详细介绍了立体视觉中的视差图计算原理，通过归一化互相关（NCC）方法实现。内容包括立体图像的理论、计算视差图的步骤、实验步骤，包括图像采集、极线校正、特征匹配和深度恢复。实验分析了不同窗口大小对匹配精度的影响，并提出了错误及解决方法。

摘要由CSDN通过智能技术生成

实验要求：

从理论角度，分析以窗口代价计算视差的原理

实现NCC 视差匹配方法，即给定左右两张视图，根据NCC计算视差图

分析不同窗口值对匹配结果的影响，重点考查那些点（或者哪些类型的点）在不同窗口大小下的匹配精度影响

1. 实验原理

立体视觉（ StereoVision）是一个多视图成像的特殊例子。人之所以可以看到世界是得益于我们的视觉系统。我们要想让机器人跟人一样可以分辨物体，那我们需要给机器人的不仅是1.能够识别物体的系统，且这种系统要2.能够判断出障碍物距离有多远。
立体视觉通过将图像扭曲到公共的平面上，使外极线位于图像行上，最后任何立体照相机设置都能得到矫正（我们通常构建立体平台来产生经过矫正的图像对）。

1.1 立体图像

在这里插入图片描述

立体视觉，即使用两台只有水平（向一侧）偏移的照相机观测同一场景。当照相机的位置如上设置，两幅图像具有相同的图像平面，图像的行是垂直对齐的，那么称图像对是经过矫正的。该设置在机器人学中很常见，常被称为立体平台。
假设两幅图像经过了矫正，那么对应点的寻找限制在图像的同一行上。一旦找到对应点，由于深度是和偏移成正比的，那么深度（Z 坐标）可以直接由水平偏移来计算，
在这里插入图片描述
其中，f 是经过矫正图像的焦距，b 是两个照相机中心之间的距离，xl 和 xr 是左右两幅图像中对应点的 x 坐标。分开照相机中心的距离称为基线。