火柴的初心的博客

前段时间因为项目的需要，学习了U-V视差相关的一些知识，并写了一篇关于U-V视差的博客（双目视觉（六）U-V视差），有博友在博客下留言如何用U-V视差的信息进行目标检测，当时自己没理解太明白，这次写这篇博客主要作为上次的补充。1.U-V视差中的信息首先，关于U-V视差图的原理性推导参考我之前那篇博客（双目视觉（六）U-V视差）。接下来，我介绍下在U-V视差中可以提取到的信息：U视差...

关于Ｕ-V视差图的理论知识描述可以参考我以前的博客：双目视觉（六）U-V视差１．视差估计对于视差的估计这里我使用的opencv中自带的SGBM方法，如果有更好的视差估计方法你也可以将这部分改变。...

这里介绍ORB_SLAM算法中的双目匹配算法。

因为在自己的工作中需要剔除行驶的地面，要用到U-V视差，所以写这篇博客主要是记录自己学习到的相关内容。对于，双目视觉的原理我在这不过多的叙述了，我也写了一些关于双目视觉的博客，如果觉得自己不太懂，可以去看看。在这里我主要讲讲Ｕ－Ｖ视差图原理：首先，参考：http://www.doc88.com/p-1823931324527.htmlhttps://blog.cs...

　　　　　　　　　　　动态规划全局匹配全局匹配算法：全局匹配主要是利用图像的全局约束信息，通过构建全局能量函数，然后通过优化方法最小化全局能量函数以求得致密视差图。目前优化方法主要有：动态规划（ＤＰ）、置信传播（ＢＰ）、模拟退火、图割法（ＧＣ）等。动态规划：动态规划的思想就是把求解整个过程分解为若干子过程，逐个求解子过程。例如斐波那契数列，fib(6)分解为fib(5)和fib(4...

立体匹配中的代价AD(颜色差异的绝对值):公式（1）（颜色差异的绝对值）： AD变换反映像素点的灰度变化，在纹理丰富区域具有良好的匹配效果，是一种简单、易实现的代价衡量的方法。但是，基于单个像素点计算的匹配代价往往会受到...

1.立体匹配算法 局部匹配 全局匹配 差异： 局部算法运算速度快，但在弱纹理、遮挡和视差不连续区域误匹配率高；全局算法精度高，但计算复杂度也相应的较高，耗时长，难以达到实时性。 局部算法 局部算法一般可分为基于特征、区域和相位的方法。step1:给定左图和右图step2:在极线上进行搜索最匹配的点。step3: 计算每次搜...

1.双目匹配时面临的困难在双目视觉中立体匹配经过半个世纪的发展，已经取得很多研究成果，但依然面临各种各样的难点与挑战。一般立体匹配算法受以下几方面影响，这也是国内外学者一直需要解决的关键问题：包括立体匹配受本身内在因素的影响,同时也受到外界环境的影响(即外在因素)以及算法精度与运行时间问题，使得在实际应用中还存在一定的局限性。光学失真表面反光缩放...

1.说说单目相机在单目视觉中，是无法确定一个物体的真实大小，它可能很大很远，可能很近很小，例如上图中，P点和Q点为真实世界的3维点，但是它们在相机平面上都投影到了同一个点，这也就无法确定一个物体的真实尺寸，也就是所谓的失去了尺度信息。说到这里，有些读者会问啦：为什么非得用双目相机才能得到深度？我闭上一只眼只用一只眼来观察，也能知道哪个物体离我近哪个离我远啊！是不是说明单目相...