Real-time local stereo matching using guided image filtering(2011)

最新推荐文章于 2022-11-15 11:32:45 发布
原创 最新推荐文章于 2022-11-15 11:32:45 发布 · 2.5k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了一种利用GPU加速的导向信息滤波方法，该方法在计算过程中采用成本体积滤波，有效保存了边缘信息，并通过导向滤波提高了处理效率。成本包括色彩差异和梯度差异两部分。处理流程分为计算成本体积、导向滤波以及纠正错误dispparity。最终结果展示了处理后的图像效果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

采用导向信息，对cost volume滤波，保存边缘信息的平滑，计算时采用了GPU，速度为25FPS
cost包括两个因子：1.色彩差异；2.梯度差异
处理流程：
1.计算cost volume
2.导向滤波（见 blog）
3.互为参考图，纠正错误dispartiy值
结果图：

【图像去噪（Image Denoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
01-14 1万+
你是否在全网苦寻【图像去噪（ImageDenoising）】的相关资料？你的目标是否是看懂【图像去噪（ImageDenoising）】的相关论文，复现代码，跑出结果，并试图创新？你是否需要发表【图像去噪（ImageDenoising）】的相关论文毕业？你是否需要做【图像去噪（ImageDenoising）】的相关项目，开发软件，研究算法，获得专利或者软著？只要是与【图像去噪（ImageDenoising）】有关的问题，那么请继续往下看。
论文阅读《HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching》
薛定谔的猫头咕咕咕
04-04 3788
论文地址：https://arxiv.org/abs/2007.12140v2 背景   本文不是基于构建代价体来进行立体匹配，而是通过多分辨率初始化、可微的传播过程与warp机制来实现视差预测。本文基于倾斜窗口的假设，从而提升几何warp与上采样操作的精度；创新点如下： 提出一种高效的多分辨率初始化步骤，能够使用学习到的特征计算高分辨率匹配； 基于倾斜窗口假设与学习到的特征进行视差传播； 模型架构   模型大致内容如下：先使用一个紧凑的U-Net结构提取左右视图的多尺度特征，在多尺度上构建基于平
A local stereo matching algorithm based on weighted guided image filtering
shan54321的博客
08-08 537
在这篇论文中使用加权引导图像滤波器做立体匹配，对传统的引导滤波器立体匹配算法引入了加权过程，更大的权重被分配到边缘的像素而不是平滑区域的其他像素。本文中的加权方法，可以通过合并边缘感知的权重来降低噪声，并在深度不连续区域分配较大的权重，从而提高性能。 摘要：本文提出一种新的基于加权引导图像滤波(WGIF)的局部立体匹配算法。首先，使用像素化匹配成本计算函数构造成本。然后使用WGIF独立筛选...
【论文简述及翻译】Correlate-and-Excite: Real-Time Stereo Matching via Guided Cost Volume Excitatio（IROS 2021）
qq_43307074的博客
11-15 1548
【论文简述及翻译】Correlate-and-Excite: Real-Time Stereo Matching via Guided Cost Volume Excitatio（CVPR 2021）
Real-time stereo 代码调试
流浪机器人的博客
11-26 461
shift_corr.so: shift_corr.cc shift_corr.cu.o g++ $(CFLAGS) -o shift_corr.so shift_corr.cc shift_corr.cu.o $(LDFLAGS) -D RUN_GPU=$(USE_GPU) shift_corr.cu.o: shift_corr.cu.cc nvcc -arch=sm_60 -std=c...
ICRA 2020 | 实时语义立体匹配
3D视觉工坊
04-04 1980
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达本文由知乎作者青青韶华授权转载，不得擅自二次转载。原文链接：https://zhuanlan.zhihu.com/p/121010...
【Photoscan/Metashape 使用说明书笔记】
天桥飞熊的博客
06-13 1万+
Photoscan使用说明笔记
引导滤波matlab代码实现,引导图滤波（Guided Image Filtering）原理以及OpenCV实现
weixin_40006185的博客
03-23 2196
引导图滤波器是一种自适应权重滤波器，能够在平滑图像的同时起到保持边界的作用，具体公式推导请查阅原文献《Guided Image Filtering》以及matlab源码：http://kaiminghe.com/eccv10/index.html。这里只说一下自适应权重原理、C++实现灰度图像以及彩色图像的引导图滤波、验证结果。自适应权重原理引导图滤波作为一种线性滤波器，可以简单定义为如下形式：其...
Guided Image Filtering
热门推荐
巫山云的专栏
01-13 1万+
1，定义 引导滤波：即需要引导图的滤波器，引导图可以是单独的图像或者是输入图像，当引导图为输入图像时，引导滤波就成为一个保持边缘的滤波操作，可以用于图像重建的滤波。 引导滤波的流程见下图： 假设输入图像为p，输出图像为q，引导图为I，q与I在以像素k为中心的窗口中存在局部线性关系： 窗口半径为r，a，b为线性系数，且在局部窗口k中为常数。这个模型保证了只有在I存在边缘的情况下，q才
引导图滤波（Guided Image Filtering）原理以及OpenCV实现
weixin_30781775的博客
01-28 906
引导图滤波器是一种自适应权重滤波器，能够在平滑图像的同时起到保持边界的作用，具体公式推导请查阅原文献《Guided Image Filtering》以及matlab源码：http://kaiminghe.com/eccv10/index.html。这里只说一下自适应权重原理、C++实现灰度图像以及彩色图像的引导图滤波、验证结果。 自适应权重原理引导图滤波作为一种线性滤波器，可以简单定义为如...
立体匹配——高引论文50篇
qq_33495762的博客
03-08 1935
立体匹配整体思路： Siamese网络特征提取+相似性度量+构造三维代价卷+代价卷优化(编码解码器)+生成初始视差+视差优化结构或者分支结构(比如结合语义分割信息) 论文 MC-CNN LeCun 《Computing the Stereo Matching Cost with a Convolutional Neural Network》2015 改进匹配代价计算，看成二分类问...
实时语义立体匹配
3D视觉工坊
09-01 1265
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达精读机器人顶级会议文章标题：Real-Time Semantic Stereo Matching作者：Pier Luigi Dove...
sad代价计算_基于改进代价计算和自适应引导滤波的立体匹配
weixin_39933713的博客
12-20 1940
闫利, 王芮, 刘华, 陈长军. . 基于改进代价计算和自适应引导滤波的立体匹配. 光学学报, 2018, 38(11): 1115007-。Yan Li, Wang Rui, Liu Hua, Chen Changjun. . Stereo Matching Method Based on Improved Cost Computation and Adaptive Guided Filter...
论文阅读笔记 HITNET:Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching
weixin_42677507的博客
07-30 4862
知识准备 这部分主要是一个理解HITNET的前期知识准备，不了解一下的话可能看起来比较生涩，个人觉得加上这部分知识之后再看待HITNET这篇文章逻辑上会更为流畅一些。 1.HITNET的灵感本质上来自于传统的双目匹配方法Patch Match，patch作为一个块，其比单个像素所包含的信息更多，核心要素是对一个图像区域中的所有切块进行重复搜索，以获得另一个图像区域中最相似的切块。 这种算法的流程一般包括随机场初始化、propagation、后处理等基本步骤。 2.在Patch Match的问题中有个无法回
论文翻译：DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation
zhA____的博客
09-04 808
DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation 摘要   本文介绍了一种非常有效的基于资源约束的CNN框架——DFANet。我们提出的网络从单一的轻量级骨干开始，分别通过子网络和子级联来聚合识别特征。DFANet基于多尺度特征传播，在显著减少了参数个数的同时，仍然获得了足够的感受野，提高了模型的学习能力，在速...
DFAnet：Deep Feature Aggregation for Real-time Semantic Segmentation自己翻译的
qq_35495665的博客
10-23 1548
DFAnet：Deep Feature Aggregation for Real-time Semantic Segmentation Abstract 一、从单一的轻量级主干出发，通过子网络和子级连接分别聚合识别特征 二、基于多尺度特征传播，DFANet极大的减少了参数数量，同时保持了有效的感受野，并且增强了模型的学习能力 三、在数据集Cityscapes 和 CamVid 进行测试，与stat...
Image-sentence Matching 模型整理 (持续更新)
静心园
10-12 2724
To do
Stereo Matching文献笔记之（五）：经典算法DoubleBP读后感~
love模式识别
09-05 6832
DoubleBP是一个立体匹配全局算法，来自于论文《Stereo Matching with Color-Weighted Correlation, Hierarchical Belief Propagation, and Occlusion Handling》，PAMI2009年提出，这是我第一篇读的，关于立体匹配方向的论文，当时感觉立体匹配太难了，很多概念都不知道是啥意思，比如说Color-We
实时局部立体匹配：使用引导图像滤波的PixelNet
3. 引导图像滤波（Guided Image Filtering）： 引导图像滤波技术是一种图像处理方法，它利用另一个参考图像（引导图像）来指导当前图像的滤波过程。这种方法可以保留图像边缘等重要信息的同时，平滑图像的其他区域。...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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