Postprocessing of stereo vision

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 286平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄9年

关注

原创最新推荐文章于 2026-08-15 17:43:43 发布 286 阅读 AI 写同款· GEO 优化 ›

立体视觉入门资料整理网上讲解双目立体视觉相关知识的资料虽然不少，但都比较零星或片面；而相对系统、详细的学习资料比较少见。博主整理了自己在学习过程中遇到的优秀的学习资源分享给大家，希望对你多少有些帮助。入门必读这里推荐博洛尼亚大学（University of Bologna）Stefano Mattoccia 教授的讲义《Stereo Vision: Algorithms and Applications》，是双目... 阅读详情

https://www.youtube.com/watch?v=kmqSoinWqgQ

收录于

深度学习

当前文章被收录于：

深度学习

17 篇文章 0 人学习

订阅专栏查看详情

Stereo

当前文章被收录于：

Stereo

10 篇文章 0 人学习

订阅专栏查看详情

bilateral

当前文章被收录于：

bilateral

1 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

[Stereo_cnn][cvpr16]Efficient Deep Learning for Stereo Matching(未完成) [Paper note](Efficient Deep Learning for Stereo Matching) 这篇文章介绍一种更加快速但是只损失少量精确度的双目视差计算方法。其使用的主要框架与MC-CNN类似，尤其是Fast 框架，直接对两个由Siamese network得到feature vectors进行inner product计算。然后对结果的预测采用多类分类的模型，类别即不同大... 阅读详情

相关推荐

【论文笔记-Stereo】Pyramid Stereo Matching Network

论文思想笔记结构论文思想使用ResNet提取特征用dilated convolution增大感受野用Pyramid pooling module，提取各个scale的特征，使之包含global的context信息用feature volume shift构建volume 用stacked hourglass 3D CNN（encoder-deco...

zhiwei2coder的博客 2482

计算机视觉大型攻略 —— 立体视觉（1）基础部分

立体视觉网上资料很多，推荐Stefano Mattoccia的PPT。本文也是借(chao)鉴(xi)和使用这篇讲义的思路及图片。下载链接：http://www.vision.deis.unibo.it/smatt/Seminars/StereoVision.pdf 立体视觉，就是用两个或多个摄像头获取深度信息的技术。这几篇博文会从最基础的开始一步步的展开。这是第一篇理论基础。

plateros的专栏 2392

【论文笔记-Stereo】Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture

目录简介摘要论文主要内容 A: 匹配代价计算特征提取（ResNet18）特征Volume构建相似度计算 B: 匹配代价聚合 C：视差计算实验简介 Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture AAAI2018 ，KITTI2015目前（20180320...

zhiwei2coder的博客 1384

三维重建立体匹配: 经典算法ADCensus

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨HawkWang来源丨计算摄影学点击进入—>3D视觉工坊学习交流群一. ADCensus背景介绍到目前为止，我通过解读Stefano Mattoccia教授的经典讲义，介绍了立体匹配算法的全貌。然后介绍了几个经典的立体匹配算法的评价指标和数据集。下一步我将介绍经典的立体匹配算法，并展示它们在实际中的应用。先来看看你现在读到哪里了吧...

3D视觉工坊 1573

具身智能【2026-01】：Being-H0.5【VLA + Flow Matching】【MoT+MoE架构】【UniHand2.0数据集：4 亿个样本/35000小时】

BeingBeyond Teamhttps://research.beingbeyond.com/being-h05Real-World Deployment Figure 1: Being-H0.5 at a Glance. We scale human-centric robot learning with Being-H0.5 toward cross-embodiment generalization. We introduce UniHand-2.0, a large-scale corpus

u013250861的博客 248

Stefano Mattoccia 的讲义 Stereo Vision: algorithms and applications

Stefano Mattoccia 的讲义 Stereo Vision: algorithms and applications，自己花了很大力气下下来的，对立体视觉的讲解和各种方法的比较，分厂详细。

PointWorld: 动作条件的全场景3D点flow 预测（用同一种3D物理空间模态来表示状态和动作）

PointWorld: Scaling 3D World Models for In-The-Wild Robotic Manipulation

u013250861的博客 323

Stefano Mattoccia 的讲义:有关立体匹配的介绍和常见匹配算法的比较

立体视觉匹配后续处理 post-processing

http://blog.sina.com.cn/s/blog_500afcd40100uteh.html 通过LRC check检测出遮挡点，对其进行视差估计，再对整幅图做中值滤波，得到的结果就好多了

WX_Chen的博客 529

FM stereo signal simulation

是FM调频立体声的调制解调的matlab仿真代码，实现了对双声道语音的调制和解调，非simulink方式，完完全全的matlab代码 This is for FM stereo radio signal modulation and de-modulation code. it is not for matlab simulink, it is completely matlab code, you can follow it and for understanding FM stereo signal generate very well.

调频立体声广播MATLAB仿真

调频发射机通过调频来调制音频输入。它的范围是在美国广播调频广播波段88.1-107.9兆赫。您可以使用调频发射机频率，间隔为100KHz，但我建议使用奇数频率，以减少干扰广播调频电台的机会。广播调频频段分为200KHz频段。这是一个相对较大的带宽，因此它也被称为宽带调频，而不是窄带调频，可以低到5千赫。每个通道的带宽约为150KHz，尽管在这个范围之外会有侧带泄漏。在调频无线电中，信息是通过调制载波频率进行编码的，

FM调制、解调 Matlab代码

问题说明待完成。。。。。太晚了都凌晨了，明天整。 %------------------------------------- %2FSK调制s=[1 0 1 1 0 0 1 0]; %原始数据 f1= 200 ;%261.6256*2*pi; f2= 400 ;%391.9954*2*pi; Fs = 11025; t=0:1/(Fs-1)*10:1; m1=[]; c1=[]; B1=[];

TaiJi1985的专栏 2万+

基于Ansys Fluent 的颗粒分离/过滤解决方案

过滤是指通过特殊装置将颗粒移除，将流体提纯净化的过程。过滤的方式很多，应用的物系也很广泛，固-液、固-气、大颗粒-小颗粒等。

sh_djoin的博客 1852

立体视觉综述：Stereo Vision Overview

本文主要翻译自Mattoccia的双目视差估计综述。对于刚刚接触立体深度估计方向的小伙伴会有帮助；如果你是专家也可以做一下复习，如有错误请在评论中指出。文中主要介绍以下几个方面的内容： - 什么是立体视觉 - 立体视觉系统概述 - 目前已有的立体立体算法 - 优化计算 - 硬件实现 - 深度估计的应用注意：全文已经迁移至我的博客，如需要转载请注明出处，谢谢大家！ ...

Vincent Qin 2019

手把手教你在VirtualBox里复活Win98，并搞定驱动和文件传输（含资源寻找攻略）

本文详细指导如何在VirtualBox中安装和配置Windows 98，包括驱动安装、文件传输等实用技巧。通过逐步教程和资源寻找攻略，帮助技术爱好者完美复刻这一经典操作系统，满足怀旧或兼容性测试需求。

weixin_29596051的博客 324

点云入门笔记(一)：点云数据及获取

点云概念：点云是某个坐标系下的点的数据集。点包含了丰富的信息，包括三维坐标 X，Y，Z、颜色、分类值、强度值、时间等等。

wc19862274581的博客 2万+

OpenCV学习笔记（19）双目测距与三维重建的OpenCV实现问题集锦（四）三维重建与OpenGL显

四、双目匹配与视差计算立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响：（1）光学失真和噪声（亮度、色调、饱和度等失衡）（2）平滑表面的镜面反射

BBZZ2的专栏 5464

成本150元的高性能RDP协议瘦客户机

云终端市场是一个跨度很大的市场。既有数千元的品牌的瘦客户机，也有几百元的瘦客户机，还有200-300元的支持RDP协议的多用户云终端。但是200-300元的多用户终端，在显示性能上不尽人意，一般用于地产中介门店，工厂产线的电子看板等场合。有没有性能更好，价格更低的方案呢？答案是有。这个方案就是二手的x86 瘦客户机 + DoraOS瘦客户机系统免费版（仅支持RDP）。首先我们看硬件，在某宝搜索升腾C92 ，找到最低配置的（ CPU：J1800，内存：2G，硬盘：8G）。价格都在150以内。

云飞扬的桌面云 7411

Stereo matching using belief propagation(2003_PAMI)

将立体匹配问题看成是一个Markov network问题，并用bayes belief propagation求解该markov network包含三个markov random filed a smooth field for depth/disparity a line process for depth discontinuity a binary process for occ

todayq的专栏 1680

YOLOv8实战：5分钟搞定Windows环境下的目标检测模型部署（附常见报错解决方案）

本文详细介绍了在Windows环境下快速部署YOLOv8目标检测模型的实战指南，包括环境配置、模型加载、快速验证及常见报错解决方案。通过5分钟快速入门教程，帮助开发者高效实现计算机视觉应用，特别适合需要快速上手的AI开发者。

weixin_30566063的博客 556

Arduino平台软硬件原理及使用——Arduino Uno板卡的使用

Arduino Uno板卡的基本使用

洪博hopes的博客 4173

上一篇：【论文笔记-Stereo】ICCV2017 Cascade Residual Learning: Stereo Matching

下一篇： [Paper]Resolving Stereo Ambiguities using Object Knowledge（未完成）

【论文笔记-Stereo】Pyramid Stereo Matching Network

zhiwei2coder的博客

04-13