用于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。立体视觉用于高级驾驶辅助系统(ADAS)和机器人导航等应用,其中立体视觉用于估计相机感兴趣物体的实际距离或范围。
通过估计场景中点的相对深度,可以从一对图像(也称为立体图像对)中获得3D信息。这些估计值在立体视差图中表示,这是通过匹配立体对中的对应点来构建的。
对立体图像进行校正以简化匹配,使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。立体图像整流有标定和未标定两种方法。通过确定一组匹配的兴趣点,估计基本矩阵,然后导出两个射影变换,实现了无标定立体图像校正。校准的立体校正使用来自立体相机校准过程的信息。
立体摄像机标定(5:51)用于确定摄像机在立体对中的固有参数和相对位置,这些信息用于立体校正和三维重建。
立体视觉还用于3D电影录制和制作、物体跟踪、机器视觉和距离传感等应用。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
- 未校准立体图像校正(例子)
- 校准立体声整流(例子)
- 三维场景重建与立体视觉(例子)
- 使用立体视觉测量物体距离(例子)
- 用于立体声视频深度估计的C代码生成(例子)
软件参考
- 立体视觉(文档)
- 立体摄像机标定(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)
参见:对象检测,图像和视频图像处理,RANSAC,特征匹配,特征提取,RANSAC,点云,SLAM(同时定位和映射),计算机视觉