是立体匹配中sgbm和bm立体匹配算法，程序比较简单，适合初学者。修改图片路径就可以继续运行了。是open cv的。
2021-04-02 21:43:45
16.4MB
1
在双目立体视觉系统中，图像匹配是关键步骤之一。在众多匹配算法中，归一化互相关（NCC）算法由于具有精度高、鲁棒性强等优点得到广泛应用，但其计算量大、运算速度较慢，使其难以在线应用。为此，本文提出一种改进的NCC立体匹配算法，通过引入积分图像和平方积分图像，将矩形窗口区域像素求和运算转化为四个像素点值的简单相加减，同时剔除基准图像中无法匹配区域以减小搜索范围，使计算复杂度得到简化，计算量大为降低。实验证明，改进后的NCC算法在保证匹配质量的基础上，执行速度得到显著提高，利于在线应用。
2021-03-26 16:05:06
661KB
1
通过matlab标定和立体校正，加载左右图片，保存标定参数，然后对左右图片进行立体校正，具体效果我博客有介绍。
2021-03-24 18:02:23
94.49MB
1
包括了sceneflow，kitti 2012，kitti 2015，kitti raw，middleburry，sintel数据集，是常用的双目立体匹配数据集，其中的部分数据集也可用于光流估计
2021-03-16 12:14:43
190B
1
引入辅助任务信息有助于立体匹配模型理解相关知识,但也会增加模型训练的复杂度。为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。
2021-03-01 17:06:20
8.11MB
1
立体匹配程序，包括基本矩阵求解，极线校正和SSD算法 立体匹配程序，包括基本矩阵求解，极线校正和SSD算法 立体匹配程序，包括基本矩阵求解，极线校正和SSD算法 立体匹配程序，包括基本矩阵求解，极线校正和SSD算法
2021-02-27 11:04:37
1.18MB
1
成本计算，成本汇总，视差优化和视差优化是立体匹配的四个主要步骤。 尽管对前三个步骤进行了广泛的研究，但在视差细化方面却很少做出努力。 在这封信中，我们提出了一种彩色图像引导的视差细化方法，以进一步消除视差图上边界不一致的区域。 首先，分析边界不一致区域的起源。 然后，使用建议的基于混合超像素的策略检测这些区域。 最后，通过改进的加权中值滤波方法对检测到的边界不一致区域进行细化。 在各种立体匹配条件下的实验结果验证了该方法的有效性。此外，通过主动深度获取获得的深度图，例如Kinect之类的设备也可以用我们提出的方法很好地完善。
2021-02-26 12:04:45
1.68MB
1