双目视觉
文章平均质量分 66
Witnesses
在校机器视觉方向研究生。
展开
-
使用OpenCV3进行SURF特征提取和暴力匹配代码详解
首先声明,程序代码来自于http://blog.csdn.net/taily_duan/article/details/53112896,这里使用MiddleBury的图片集进行了测试,并且对代码做一个详细的解释。 之前使用OpenCV2.4.9,升级到3.2.0以后发现SURF特征提取的使用发生较大的变化,配置好新版本的opencv稳定模块和contrib模块后,原来的代码还是提示原创 2017-03-29 11:07:23 · 15017 阅读 · 4 评论 -
SURF SIFT ORB三种特征检测算法比较
我们知道,双目立体测距的基础是利用视差求距离,而视差就是计算左右图像中对应点的像素坐标之差,这个左右图中的对应点是由通过立体匹配得来。 立体匹配从大的方面说分为两种,全局匹配和局部匹配,全局匹配精度高,但是计算速度慢,不能满足实时的要求,局部匹配速度快,可以满足实时的要求,但是精度不如前者,考虑到项目实际,需要实时的判断机器人与环境的关系,就重点研究局部匹配。局部匹配又分为基于区域的匹配原创 2017-03-26 20:40:30 · 37022 阅读 · 9 评论 -
总结一种使用OpenCV进行双目校正的方法其流程和所用函数
原创 2017-05-11 15:30:22 · 960 阅读 · 0 评论 -
BM、GC、SGBM三种算法的比较和BM在OpenCV3下的参数设置
第一部分BM、GC和SGBM算法的性能比较转自:http://blog.csdn.net/chenyusiyuan/article/details/5967291,其中原博主推荐的Stefano Mattoccia大神的讲义Stereo Vision:algorithms and applications,我看了以后觉得非常受用,讲的非常条理全面,里面的参考文献也很经典。第二部分为原创,主要是原创 2017-05-16 19:35:07 · 19187 阅读 · 0 评论 -
梳理OpenCV各立体匹配算法的分类和理论基础(更新中)
最近总有一个困惑,论文或者说研究中的立体匹配算法和OpenCV中实现的立体匹配算法有什么对应关系,特别是经常看到资料中一谈到OpenCV立体匹配函数,就是BM、SGBM和GC成套的出现,那么这三个算法的理论来源是什么,它们三个是什么样的“江湖地位”,OpenCV还有没有实现其他算法没有被介绍,在这里,对这些问题做个小总结。遗漏的地方欢迎大家批评补充。 1.立体匹配算法分类:从算法本身的角原创 2017-05-19 16:12:47 · 5602 阅读 · 0 评论 -
Semi-Global Matching(SGM)算法原文理解
参考:@迷雾forest http://blog.csdn.net/wsj998689aa/article/details/49464017,原博主对SGM算法的精髓理解的很透,我是在参考他文章的基础上,才能看懂SGM算法几处关键的地方。本文的不同在于加入了一些我自己的理解,并且调整了一下整个算法阐述的思路,当是自己的一个阅读笔记。后边打算再做一下SGM原始算法与OpenCV的SGBM算法实现的对原创 2017-06-17 19:16:52 · 26209 阅读 · 11 评论 -
SURF特征提取算法原文翻译与理解(上)
SURF的优点以及与其他特征提取算法的比较前面总结过了,而且通过实际的使用发现算法的稳定性着实很好,这里分享一下对Speeded Up Robust Features原文的翻译和理解,文章是去年翻译的,那时候刚开始看特征提取所以翻译的比较细,才疏学浅,有的地方可能理解的不对,欢迎大家拍砖。分成两部分,第一部分是特征点的提取,第二部分是特征点的描述,以及整个方法的总结。正文开始: 1.引言原创 2017-06-02 22:27:18 · 23483 阅读 · 0 评论 -
SURF特征提取算法原文翻译与理解(下)
上一部分主要是针对特征点的提取,下面的内容是特征点的描述,并在最后总结一下全部的步骤。4.SURF特征描述子 SURF算法使用的描述子跟SIFT相比复杂度更低。第一步是对每个兴趣点,基于其圆形区域内的信息,确定一个可重复的方向。第二步在兴趣点上构造一个与选定方向对齐的方框,从这个方框中提取SURF描述符。这两步下面会解释。最后,提出一种直立版本的描述符(U-SURF),它并不原创 2017-06-04 11:38:36 · 3984 阅读 · 0 评论