视差图转深度图推导

最近刚刚入门双目立体视觉,记录一下学习的过程。今天的主题是视差图转为深度图的推导。

用比较直白的话来解释一下视差图与深度图。

视差图:空间上的同一个点映射到双目图像上的位置是有不同的,我们将这个差异叫做视差。

深度图:是指将从图像采集器到场景中各点的距离(深度)值作为像素值的图像。

接下来是立体视觉的成像示意图:

 上图表示空间上的一个点在两幅图像上对应不同的位置,假设其为x_{l} ,x_{r},则根据相似三角形的原理易得:

 解得

上式的分母 x_{l}-x_{r}就是所谓的视差,由此建立起了视差转换为深度图的公式。

 

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
OpenCV是一个开源的计算机视觉库,可以用于图像处理和计算机视觉任务。在处理视觉任务时,通过计算图像中物体的视差值,可以得到这些物体的深度信息。 视差图深度图的过程主要有以下几个步骤: 1. 从双目图像中计算视差图:双目摄像头捕获的图像包含了左右两个视角的图像,通过比较两幅图像中相同点的位置偏移量,可以计算得到每个像素点的视差值。OpenCV提供了SGBM(Semi-Global Block Matching)等算法来实现视差图的计算。 2. 根据相机参数计算深度值:根据双目摄像头的参数以及对应的分辨率等信息,可以利用三角测量的原理,将视差值换为物体距离相机的深度值。这个过程需要知道相机的基线距离、焦距等参数信息。 3. 生成深度图:通过将视差值映射到深度值,可以得到每个像素点对应的深度信息。将深度值进行可视化处理,就可以生成深度图。 在OpenCV中,可以使用cv2.reprojectImageTo3D()函数将视差图换为深度图。该函数需要输入视差图、相机的立体校正变换矩阵和相机内参矩阵。然后,根据相机的参数信息,将视差值换为点云信息(每个像素对应一个3D坐标点),并且根据三维坐标计算深度值,最终得到深度图。 总之,OpenCV提供了一系列的函数和算法,可以将视差图换为深度图。通过计算每个像素点的视差值和相关的相机参数,可以获得深度信息,从而进一步实现基于视差图的三维重建和深度感知任务。
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

打赏作者

流浪小林

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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