双目相机SGBM算法参数

1.minDisparity 最小可能的视差值。通常为,但有时校正算法会偏移图像,因此需要相应地调整此参数。

2.numDisparities 最大视差减去最小视差。该值始终大于零。在当前的实现中,此参数必须可被16整除。

3.P1 控制视差平滑度的第一个参数。此参数用于倾斜表面(非正视平行)的情况。

4.P2 第二个参数控制视差平滑度。此参数用于“解决”深度不连续性问题。值越大,视差越平滑。P1是对相邻像素之间视差变化加或减1的惩罚。P2是相邻像素之间视差变化大于1的代价。该算法要求P2> P1。一些相当不错的P1和P2值(分别为8 * number_of_image_channels * SADWindowSize * SADWindowSize和32 * number_of_image_channels * SADWindowSize * SADWindowSize)。

5.disp12MaxDiff 左右视差检查中允许的最大差异(以整数像素为单位)。将其设置为非正值可禁用检查。
preFilterCap 预过滤图像像素的截断值。该算法首先在每个像素处计算x导数,然后按[-preFilterCap,preFilterCap]间隔裁剪其值。结果值传递到Birchfield-Tomasi像素成本函数。
唯一性比率 最佳(最小)计算成本函数值应“赢得”次优值以认为找到的匹配正确的百分比裕度。通常,在5到15范围内的值就足够了。

6.speckleWindowSize 平滑视差区域的最大大小,以考虑其噪声斑点并使其无效。将其设置为0以禁用斑点过滤。否则,将其设置在50-200范围内。
斑点范围 每个连接组件

  • 3
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
双目视觉资料是指通过两个摄像头获取的图像资料,利用双目视觉技术进行深度测距的方法。其中,sgbm算法是一种常用的双目匹配算法sgbm算法(Semi-Global Block Matching)是一种基于区块匹配的深度图像生成算法。在该算法中,首先将两个摄像头获取的图像进行预处理,包括去噪、灰度处理等。然后对左右两个图像之间的每个像素进行匹配,找出最佳匹配区块。这里采用了基于代价函数的匹配策略,通过比较区块中像素的相似性来进行匹配。 sgbm算法通过对每对像素之间的代价进行累积,以减小匹配误差。在累积过程中,采用了全局一致性原则,即考虑像素之间的相对位置关系,以减小深度图的噪声和伪影。最终,通过像素之间的累积代价得到深度图像,将灰度图像转化为深度信息。 双目相机测距是通过双目视觉技术实现的测距方法。通过获取左右两个摄像头的图像,利用双目视觉算法计算出像素之间的深度信息,即两个摄像头之间的空间距离。通过深度信息和相机参数,可以将像素坐标转化为实际物体的距离。 在使用Python进行双目视觉测距时,可以借助开源库OpenCV提供的函数,如cv2.StereoSGBM()来实现sgbm算法。这个函数可以输入左右图像、相机参数参数,并返回深度图像。 总结来说,双目视觉资料/双目测距是通过两个摄像头获取的图像资料,利用双目视觉算法计算出深度信息的方法。sgbm算法是一种常用的双目匹配算法,可以通过Python编程实现,并借助OpenCV库进行图像处理和深度图像生成。

“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
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
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