问题标签 [disparity-mapping]

我正在 OpenCV 中编写一个函数来计算 v 和 u 视差，所以我首先需要视差图像。我设置 sgbm.minDisparity = 0 和 numberOfDisparities = 160。

视差图像是 CV_16SC1，我需要无符号值来继续编程我的函数。

我打印了整个Mat，有负值和160以上的值。如果我对文档理解得很好，视差图像代表视差值*16。这是否意味着在我的情况下最大值为 16*160？如果没有，可能有什么问题？无论如何，当 minDisparity 设置为 0 时，为什么会有小于零的值？这是代码：

检查代码一千次后，我看不出我做错了什么。该算法非常简单：我有一个 CV_16U 图像，其视差值称为 disp，我正在尝试构建 u 和 v 视差以检测障碍物。

问题是当我在转换为 8bit Unsigned 后使用 imshow 打印两个差异时。u-disparity 是错误的，因为它具有应有的形状，但它是水平尺寸的一半，即正确的黑色像素。

我想用两个图像的原始图像颜色对生成的点云进行纹理处理。为此，我使用块匹配计算了视差图并进行了重建。为 .ply 文件编写导出函数也没什么大不了的。我的问题是：如何从块匹配算法中获取颜色？它确实在校正后的图像上寻找相似的像素，但没有变量可以保存找到的匹配的位置，参考 API。之后无法恢复颜色。

（我正在使用 OpenCV 2.4.8）

我使用我在网上找到的其他代码编写了此代码。我没有收到任何错误，但是我无法使用 imshow 显示视差图。我保存了图像，它只是黑色的，所以我没有正确地做某事。有人可以看看我的代码，看看有什么问题吗？我可能没有正确地进行立体校准，但我不确定。谢谢！

我一直在努力使用 StereoBM 类根据两个相机输入源生成视差图。

我可以创建一个指向变量StereoBM *sbm;，但是每当我调用一个函数时，都会出现一个带有 Release 构建的分段错误。由于malloc(): memory corruption.

我不完全确定我在上面做错了什么。创建非指针变量时，我对所有类的方法都有这个警告：

The type 'cv::StereoBM' must implement the inherited pure virtual method 'cv::StereoMatcher::setSpeckleRange'

我已经包含了 header <opencv2/calib3d/calib3d.hpp>，我已经确保库是链接的，并且我正在运行 opencv 3.1.0。

任何人都能够阐明以上所有内容吗？因为我仍在学习 OpenCV 并推动自己学习 C++。

我正在尝试使用 StereoBM 来获取两个图像的视差图。我尝试了一些示例代码和图像。他们工作正常。但是，当我尝试自己的图像时，我得到的地图非常糟糕，非常嘈杂。

我的 StereoBM 参数

我的问题是

1. 我的图像有任何问题吗？
2. 是否可以在不校准相机的情况下获得良好的视差图？我需要在 StereoBM 之前校正图像吗

谢谢。

这是我的纠正图像的代码

校正后的图像和视差图在这里

我有一个 OpenCV 应用程序，我必须使用两个图像对之间的不同支持权重来实现对应搜索。这项工作与Kuk-Jin Yoon和In So Kweon的“ Adaptive Support-Weight Approach for Correspondence Search ”非常相似。支撑重量在给定的支撑窗口中。我使用两个图像中的支持权重计算像素之间的差异。当参考图像中的像素p和q具有视差值d 时，Pd和 Qd是目标图像中的像素；
Np和Npd是支撑重量。

在此之后，每个像素的视差由WTA（Winner-Takes-All）方法选择为：

我想知道的是如何从图1的公式开始（我写的函数计算相异性和权重），即要考虑哪个像素？从哪儿开始？用什么像素？有什么建议吗？工作的最终结果应该类似于： 有什么好的方法可以做到这一点？

UPDATE1
我应该开始创建一个新图像，然后考虑像素（0,0）和所有其他像素之间的成本，找到最小值并将该值设置为新图像中像素（0,0）处的值? 其他像素等等？

我将 Raspberry Pi 与 python2 一起使用。

我正在尝试计算左右相机拍摄的两张图像的差异。

但我不知道我应该使用什么代码。

我想要做的就是使用两个图像的目标中心（视差）来制作python，以便计算两个相机和目标之间的距离。

左摄像头：

右侧摄像头：

我想计算两个中心（twp green cicle）并将它们的差异变为距离。

我正在对视差图进行后期处理。我的视差图像即使经过 WLS 过滤，也有太多“漏洞”。

这就是我现在得到的。纠正，但以鱼眼的方式。无论如何肯定会纠正，但有很多漏洞。视差匹配算法是SGBM。WLS 滤波器 sigma 为 2.1，lambda 为 30000。黑色区域是孔。

我指的是官方的 opencv 站点，它说Disparity map post-filtering并且它广泛使用DisparityWLSFilter。但我想知道它是如何在内部工作的，并想阅读有关此实现的理论论文。我想知道 Sigma 和 Lambda 做了什么，以及它将如何过滤我的图像。

而且，还有其他我可以使用的好的视差过滤器吗？WLS 过滤器无法有效地填补“漏洞”。或者，任何易于使用或易于实现的算法，或者不是 GPL 的库？

我正在尝试使用未校准的方法获取深度图。我可以通过用 SIFT 找到对应点然后使用cv2.findFundamentalMat. 然后我cv2.stereoRectifyUncalibrated用来获取每个图像的单应矩阵。最后我用它cv2.warpPerspective来校正和计算视差，但这并不能创建一个好的深度图。这些值非常高，所以我想知道是否必须使用warpPerspective，或者是否必须从我得到的单应矩阵计算旋转矩阵stereoRectifyUncalibrated。

我不确定通过校正获得的单应矩阵情况下的投影矩阵stereoRectifyUncalibrated。

部分代码：

以下是未校准方法（和warpPerspective）的校正图片：

以下是使用校准方法校正的图片：

我不知道这两种图片之间的差异为何如此重要。对于校准的方法，它似乎没有对齐。

使用未校准方法的视差图：

深度计算如下：C1[0,0]*T[0]/(disp) 使用 T 来自stereoCalibrate。价值非常高。

------------ 稍后编辑 ------------

我尝试用“stereoRectifyUncalibrated”获得的单应矩阵“挂载”重建矩阵（[Devernay97]，[Garcia01]），但结果仍然不好。我这样做正确吗？