-
公开(公告)号：CN109961092A
公开(公告)日：2019-07-02
申请号：CN201910160789.X
申请日：2019-03-04
Applicant: 北京大学深圳研究生院
Abstract: 一种基于视差锚点的双目视觉立体匹配方法及系统，该双目视觉立体匹配方法包括：获取两个视点下的第一图像和第二图像；按照预设规则获取第一图像中的第一像素点周围的若干个视差锚点；根据所述若干个视差锚点的视差值对所述第一像素点进行加权运算，得到第一像素点的最佳视差值。该技术方案通过像素点周围的视差锚点的视差值对该像素点的视差值进行加权估计，从而获得稠密视差场的估计，通过搜寻视差锚点的方法来提高匹配代价的鲁棒性，来计算得到鲁棒性较高的加权估计结果，利于计算得到各个像素点的准确率较高的最佳视差值。
-
公开(公告)号：CN109978934B
公开(公告)日：2023-01-10
申请号：CN201910160798.9
申请日：2019-03-04
Applicant: 北京大学深圳研究生院
IPC: G06T7/55
Abstract: 一种基于匹配代价加权的双目视觉立体匹配方法及系统，该双目视觉立体匹配方法包括：获取两个视点下的第一图像和第二图像；构建第一图像中的第一像素点的聚合区域，根据预设的多个视差值对第一像素点以及聚合区域内的每个像素点进行代价估计，得到各个视差值分别对应的匹配代价图像；根据匹配代价图像获得聚合区域内每个像素点与第一像素点之间的匹配代价权重和距离权重；根据匹配代价权重和距离权重对匹配代价图像进行代价聚合，获得各个视差值对应的代价聚合函数；根据代价聚合函数从各个所述视差值中获得第一像素点的最佳视差值。由于采用匹配代价之差代替颜色差，使得本技术方案利于形成一个更加准确的代价聚合计算结果。
-
公开(公告)号：CN108337498B
公开(公告)日：2020-04-28
申请号：CN201810097847.4
申请日：2018-01-31
Applicant: 北京大学深圳研究生院
IPC: H04N13/128 , H04N13/106 , H04N13/122
Abstract: 一种曲面拟合的视差计算方法及系统，本发明获取该像素点在所述图像的一个区域，根据所述区域内所有像素点进行视差的平面拟合，并基于该拟合出的平面计算该像素点的视差和法向量；在得到初步的视差估计后，对于图像中每一个像素点，至少基于视差相似性和/或法向量相似性，寻找该像素点的一个区域，并根据该区域内所有像素点进行视差的曲面拟合，相比现有技术，找到了一个范围更大的曲面，鲁棒性好，并基于该拟合出的曲面计算该像素点的视差，从而得到更为精准的视差估计。
-
公开(公告)号：CN109978928A
公开(公告)日：2019-07-05
申请号：CN201910161434.2
申请日：2019-03-04
Applicant: 北京大学深圳研究生院
Abstract: 一种基于加权投票的双目视觉立体匹配方法及其系统，包括：获取两个视点下的图像；根据预设的多个代价函数和预设的多个视差值对其中一幅图像中同一像素点进行代价聚合，得到各个代价函数对应的代价聚合函数；根据各个代价聚合函数分别获取所述像素点处各个视差值对应的匹配代价；对所述像素点处各个视差值对应的匹配代价进行加权投票，计算得到每个视差值对应的加权投票值；从各个视差值对应的加权投票值中获取所述像素点的最佳视差值。上述方法可对各个代价函数进行代价聚合，能够根据求出的极小值点进行加权投票的运算，使得通过加权投票结果得到鲁棒性较高的代价聚合函数以及得到各个像素点的准确率较高的最佳视差值称为可能。
-
公开(公告)号：CN109961092B
公开(公告)日：2022-11-01
申请号：CN201910160789.X
申请日：2019-03-04
Applicant: 北京大学深圳研究生院
Abstract: 一种基于视差锚点的双目视觉立体匹配方法及系统，该双目视觉立体匹配方法包括：获取两个视点下的第一图像和第二图像；按照预设规则获取第一图像中的第一像素点周围的若干个视差锚点；根据所述若干个视差锚点的视差值对所述第一像素点进行加权运算，得到第一像素点的最佳视差值。该技术方案通过像素点周围的视差锚点的视差值对该像素点的视差值进行加权估计，从而获得稠密视差场的估计，通过搜寻视差锚点的方法来提高匹配代价的鲁棒性，来计算得到鲁棒性较高的加权估计结果，利于计算得到各个像素点的准确率较高的最佳视差值。
-
Patent Agency Ranking
公开(公告)号：CN108492326B
公开(公告)日：2021-11-23
申请号：CN201810101040.3
申请日：2018-01-31
Applicant: 北京大学深圳研究生院
Abstract: 一种分辨率从低到高的逐渐精细化的立体匹配方法及系统，从一个很低的分辨率的图像开始——这样的图像只保存了最粗的结构细节，在匹配上不容易发生误匹配——对这个很低的分辨率的图像进行分割以及视差的曲面拟合，然后进行内插得到高一级分辨率的分割，在原分割基础上再进行分割以及视差的拟合，然后再进行内插得到再高一级分辨率进行分割，并在上一分辨率分割的基础上再进行分割以及视差的拟合，如此一直内插和分割，直到达到预定的分辨率为止，这种做法充分利用了图像中整体的结构信息，实现了鲁棒的分割和视差或深度的提取。
-
公开(公告)号：CN109978934A
公开(公告)日：2019-07-05
申请号：CN201910160798.9
申请日：2019-03-04
Applicant: 北京大学深圳研究生院
IPC: G06T7/55
Abstract: 一种基于匹配代价加权的双目视觉立体匹配方法及系统，该双目视觉立体匹配方法包括：获取两个视点下的第一图像和第二图像；构建第一图像中的第一像素点的聚合区域，根据预设的多个视差值对第一像素点以及聚合区域内的每个像素点进行代价估计，得到各个视差值分别对应的匹配代价图像；根据匹配代价图像获得聚合区域内每个像素点与第一像素点之间的匹配代价权重和距离权重；根据匹配代价权重和距离权重对匹配代价图像进行代价聚合，获得各个视差值对应的代价聚合函数；根据代价聚合函数从各个所述视差值中获得第一像素点的最佳视差值。由于采用匹配代价之差代替颜色差，使得本技术方案利于形成一个更加准确的代价聚合计算结果。
-
公开(公告)号：CN108492326A
公开(公告)日：2018-09-04
申请号：CN201810101040.3
申请日：2018-01-31
Applicant: 北京大学深圳研究生院
Abstract: 一种分辨率从低到高的逐渐精细化的立体匹配方法及系统，从一个很低的分辨率的图像开始——这样的图像只保存了最粗的结构细节，在匹配上不容易发生误匹配——对这个很低的分辨率的图像进行分割以及视差的曲面拟合，然后进行内插得到高一级分辨率的分割，在原分割基础上再进行分割以及视差的拟合，然后再进行内插得到再高一级分辨率进行分割，并在上一分辨率分割的基础上再进行分割以及视差的拟合，如此一直内插和分割，直到达到预定的分辨率为止，这种做法充分利用了图像中整体的结构信息，实现了鲁棒的分割和视差或深度的提取。
-
公开(公告)号：CN108337498A
公开(公告)日：2018-07-27
申请号：CN201810097847.4
申请日：2018-01-31
Applicant: 北京大学深圳研究生院
IPC: H04N13/128 , H04N13/106 , H04N13/122
Abstract: 一种曲面拟合的视差计算方法及系统，本发明获取该像素点在所述图像的一个区域，根据所述区域内所有像素点进行视差的平面拟合，并基于该拟合出的平面计算该像素点的视差和法向量；在得到初步的视差估计后，对于图像中每一个像素点，至少基于视差相似性和/或法向量相似性，寻找该像素点的一个区域，并根据该区域内所有像素点进行视差的曲面拟合，相比现有技术，找到了一个范围更大的曲面，鲁棒性好，并基于该拟合出的曲面计算该像素点的视差，从而得到更为精准的视差估计。
-
公开(公告)号：CN109978928B
公开(公告)日：2022-11-04
申请号：CN201910161434.2
申请日：2019-03-04
Applicant: 北京大学深圳研究生院
Abstract: 一种基于加权投票的双目视觉立体匹配方法及其系统，包括：获取两个视点下的图像；根据预设的多个代价函数和预设的多个视差值对其中一幅图像中同一像素点进行代价聚合，得到各个代价函数对应的代价聚合函数；根据各个代价聚合函数分别获取所述像素点处各个视差值对应的匹配代价；对所述像素点处各个视差值对应的匹配代价进行加权投票，计算得到每个视差值对应的加权投票值；从各个视差值对应的加权投票值中获取所述像素点的最佳视差值。上述方法可对各个代价函数进行代价聚合，能够根据求出的极小值点进行加权投票的运算，使得通过加权投票结果得到鲁棒性较高的代价聚合函数以及得到各个像素点的准确率较高的最佳视差值称为可能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
