立体视觉

本文详细介绍了立体视觉的实验原理,包括整体流程、极线约束、三角化和立体匹配。实验内容部分展示了不同窗口大小对匹配结果的影响,并通过NCC方法计算视差,发现物体距离与视差的对应关系。遇到的问题包括代码缩进、库版本及import语句,总结中指出立体匹配的难点与关键因素。
摘要由CSDN通过智能技术生成


立体视觉问题的基本步骤,就是在完成摄像机标定后,在多幅图像中建立对应点对,然后重构场景中的三维坐标。这一过程也称为Structure from motion(SFM),即由一系列包含着视觉运动信息(motion signals)的多幅二维图像序列(2D image sequences)估计三维结构(3D model)的技术。

一 实验原理

1.整体流程

一般来说,通过立体视觉获得深度图需要校准,矫正,立体匹配,三角化四个过程。

在这里插入图片描述2 2.

2.极线约束

在这里插入图片描述
图中红实线和绿实线分别是左右拍摄的极线,极线约束指的是左图极线(红实线)上的点,只能映射到右图极线(绿实线)上。
在这里插入图片描述
找对应匹配点的下一步工作就是要去寻找在右图中他可能存在的那条线极线了。
如果能将左右摄完美对齐,且他们的内参(焦距等)完全一致,就可将左右摄像头的极线校正成行相同的平行线。因此,左图上任意一点,在右图中只能映射到与其对应的相同行上,即两点行坐标V相同。这样就完美解决了寻找极线的问题。3

3.三角化

在这里插入图片描述
B Z = p p ′ Z − f = B − ( X R − W 2 ) − ( W 2 − X T ) Z − f = B + X T − X R Z − f \frac{B}{Z}=\frac{pp'}{Z-f}=\frac{B-(X_R-\frac{W}{2})-(\frac{W}{2}-X_T)}{Z-f}=\frac{B+X_T-X_R}{Z-f} ZB=Zfpp=ZfB(XR2W)(2WXT)=ZfB+XTXR

B ∗ f X R − X T = B ∗ f d \frac{B*f}{X_R-X_T}=\frac{B*f}{d} X

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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