深度估计的立体视觉
立体视觉是从一个场景的多个2D视图中提取3D信息的过程。立体视觉用于先进的驾驶辅助系统(ADAS)和机器人导航等应用程序,立体视觉用于估计感兴趣的物体与相机的实际距离或范围。
通过估计场景中点的相对深度,可以从一对图像(也称为立体对)中获得3D信息。这些估计在立体视差图中表示,它是通过匹配立体对中的对应点来构建的。
立体图像被整流以简化匹配,以便在一个图像中的对应点可以在另一个图像的同一行中找到。这将二维立体对应问题简化为一维问题。立体图像的校正方法有标定校正和非标定校正两种。通过确定一组匹配的兴趣点,估计基本矩阵,然后推导出两个射影变换,实现了未标定立体图像的校正。标定的立体校正使用来自立体相机标定过程的信息。
立体相机标定用于确定立体对中摄像机的内在参数和相对位置,该信息用于立体校正和三维重建。
立体视觉也用于诸如3D电影记录和制作、物体跟踪、机器视觉和距离感知等应用。有关立体视觉的更多信息,请参见计算机视觉工具箱™.
例子和如何
- 未经校准的立体图像校正(例子)
- 校准立体整改(例子)
- 立体视觉三维场景重建(例子)
- 使用立体视觉测量物体距离(例子)
- 立体视频深度估计的C代码生成(例子)
软件参考
- 立体视觉(文档)
- 立体相机标定(教程)
- 差距评估(文档)
- 立体视觉三角测量(文档)
- 从立体图像的对应点估计基本矩阵(函数)