立体视觉:算法和应用(五)
来源:互联网 发布:多维数据感知ppt素材 编辑:程序博客网 时间:2024/06/09 18:02
本文翻译的外国学者的一份talk,主要内容是关于立体视觉算法和应用的基础知识。限于个人水平,如有疏漏之处请谅解。
大纲
1、介绍
2、立体视觉系统概述
3、视觉匹配算法
4、计算优化
5、硬件实现
6、应用
代价聚合
几种support的变化
1、可移动窗口(Shiftable Windows)
这个方法旨在减少固定窗口的边界定位,并没有将中心店固定在窗口的中心位置。
2、组合窗口(Multiple Windows)
窗口中元素的个数是固定的,窗口的形状不在仅仅局限于矩形,一般可以分为5,9,25个子窗口。
3、可变窗口(Variable Windows)
基于分割几种方法
根据相互连接的像素分割参考图像,假定每个分割的部分平滑。在范围内,窗口的形状和尺寸不固定。参考图像中每个部分,同一个部分赋予相同的权重值为1,非同一个部分的赋予一个远小于1的权重。对于在支持窗口中的待匹配点:支持窗口中属同一分割区域的点权重为1,非同一分割区域的点权重远小于1。
双边滤波法(Bilateral Filtering(BF)):双边滤波一种可以保护边缘的平滑方法。以待匹配点为中心,根据空间和颜色的接近程度赋予权重 。其中的权重赋值可以选择使用自适应权重(Adaptive Weights)的方法。若权重只依赖颜色和分割,则可以变换为Segment Support法。其中SS,AW方法耗时很长,不适合实时性。
快速聚合法(Fast Aggregation):假定分割部分平滑,而且只分割参考图像,采用非对称的支持窗口。
Fast Bilateral Stereo framework(FBS):对称的支持窗口,结合了自适应权值的精确性和传统方法的有效性,提升了噪音的鲁棒性,通过积分图像/盒子滤波方案的均值来有效的pixel-wise代价计算。
Fast Segmentation-driven (FSD):在块的基础上应用SS策略。
Locally Consistent (LC) stereo:通过建模连续约束来利用相邻像素的相互关系,运算速度快,通常结合其他算法来用。
O(1) adaptive cost aggregation:聚合独立于窗口的尺寸,可以应用于彩色图像。
Fast/simplified adaptive cost aggregation:非对称的代价聚合,在一些被选择的点上进行代价计算,在像素点子集上进行匹配。
- 立体视觉:算法和应用(五)
- 立体视觉:算法和应用(七)
- 立体视觉:算法与应用(一)
- 立体视觉:算法与应用(二)
- 立体视觉:算法与应用(三)
- 立体视觉:算法与应用(四)
- 立体视觉:算法与应用(六)
- 立体视觉算法-SGBM(一)
- 立体视觉算法-SGBM(一)
- 双目立体视觉(一):SAD算法
- 双眼视觉和立体视觉
- 立体视觉算法--SAD+DP
- 立体视觉算法--SAD+DP
- 1.双目立体视觉算法
- 立体视觉(收藏)
- 鸟瞰图(立体视觉)
- 立体视觉标定和校正
- 立体视觉三维重建--边缘提取(名词和概念)
- 设计模式(一)——基础概念
- MaterialDesign学习笔记2:TabLayout+ViewPaper实现滑动切换
- 输出分段函数的表达式
- 欢迎使用CSDN-markdown编辑器
- Android 子线程更新UI
- 立体视觉:算法和应用(五)
- 怎么在Linux下查找文件
- Linux中查找目录或文件中的内容总结
- 安全比赛总结
- iTerm2工具介绍
- iphone6锁屏密码遗失怎么办??
- MFC 软件换肤使用 SkinMagic2.21
- 基于libusb的mtp通信实现
- JSON 对象序列化、反序列化