计算机视觉----立体匹配
发布时间
阅读量：
阅读量
立体匹配核心步骤：
1.在两幅图像上找到对应点
2.通过三角化确定三维坐标
基于关键特征点的三种方法以及基于视差图实现深度信息提取的技术原理阐述
一、如何通过两张图片确定对应点？（借助极线约束原理，则无需在整个图像范围内进行配对搜索！）
极线约束：
极线约束意味着同一空间中的一个点会在两张图像中分别产生对应的投影。对于左图中的某一点P1而言，在右图中其对应的投影位置P2必然位于由P1所决定的特定直线上。
如何确定极线？基于预先确定的一组对应点，估计基本矩阵；利用基本矩阵及已知像素坐标参数可推导出另一幅图像中的对应极线方程。
三种尺度的匹配方式：
1.逐像素的匹配（找另一图像级线上最相似的像素值）：
2.基于window 匹配（求window的cost）：
关于计算window的代价函数如下图所示：
- 全局匹配策略（旨在降低噪声干扰）
从实验结果来看，在视差图中仍然存在较多的误差。因此为了进一步减少误差并实现图像平滑
最小化损失函数
二、当确定了对应点后我们还有什么可做的呢？（实际上我们正在寻求获取场景中物体的距离信息）
视差：即为两个对应点在x坐标轴上的间距差异。
视差图：每个像素所赋数值等于两幅图像中对应点间距差异乘以一个固定的比例因子。（其中物体距离镜头越近则视差点越大因而呈现出白色；反之距离镜头越远则视差点越小呈现出黑色）如图所示正是通过这样的视差图我们可以清晰地展现出了场景中的深度信息。
找到对应点后，根据视差求深度。
下图解释了物体距离摄像头越近，视差越大。（为什么视差图可以表达深度）
全部评论 (0)
还没有任何评论哟~