-
公开(公告)号：CN106952304A
公开(公告)日：2017-07-14
申请号：CN201710172103.X
申请日：2017-03-22
Applicant: 南京大学
IPC: G06T7/55
Abstract: 本发明公开一种利用视频序列帧间相关性的深度图像计算方法，包括：步骤1、对左右视点相机拍摄的图片进行校正；步骤2、对于第一帧的左右图片的点p，在最大视差搜索范围计算匹配代价，进行视差优化、视差细化，得到初始视差值d1；第一帧的视差梯度为g1；步骤3、对于下一帧的p点的计算，当p点不是异常点或边缘点，以上一帧p点的视差值为基准设定视差搜索范围，否则以最大视差搜索范围计算匹配代价，进行视差优化、视差细化，并得到当前帧的视差值及视差梯度，实现实时的立体匹配。本发明利用视频序列中上一帧的视差，大幅缩小了当前帧算法的计算量，能够在保证原有算法匹配精度的条件下，减小耗时，提高在实际应用场景中的效率。
-
公开(公告)号：CN106952304B
公开(公告)日：2019-09-20
申请号：CN201710172103.X
申请日：2017-03-22
Applicant: 南京大学
IPC: G06T7/55
Abstract: 本发明公开一种利用视频序列帧间相关性的深度图像计算方法，包括：步骤1、对左右视点相机拍摄的图片进行校正；步骤2、对于第一帧的左右图片的点p，在最大视差搜索范围计算匹配代价，进行视差优化、视差细化，得到初始视差值d1；第一帧的视差梯度为g1；步骤3、对于下一帧的p点的计算，当p点不是异常点或边缘点，以上一帧p点的视差值为基准设定视差搜索范围，否则以最大视差搜索范围计算匹配代价，进行视差优化、视差细化，并得到当前帧的视差值及视差梯度，实现实时的立体匹配。本发明利用视频序列中上一帧的视差，大幅缩小了当前帧算法的计算量，能够在保证原有算法匹配精度的条件下，减小耗时，提高在实际应用场景中的效率。
-
公开(公告)号：CN110148168B
公开(公告)日：2023-03-24
申请号：CN201910432950.4
申请日：2019-05-23
Applicant: 南京大学
IPC: G06T7/593
Abstract: 本发明公开了基于大小双基线的三目相机深度图像处理方法，通过引入小基线相机组减少计算量，提高计算速度，同时通过大基线相机组进行小范围的立体匹配提高视差图精度，从而达到在提高精度的同时减少立体匹配的计算量的目的。本发明对于现有的双目相机系统，额外添加一个小基线相机，在相同的算法下，通过先计算小基线相机组的视差图，以其为基准扩展一个视差搜索窗口用于大基线相机组的立体匹配，这样不仅可以提高精度同时还减小了计算量，加快了计算速度，提高了整个系统在实际应用场景中的精度与效率，而且还降低了计算量。因此本发明的整个过程能大幅减少立体匹配的计算时间，同时还提高了算法的精度，在实时平台上具有极大应用前景。
-
公开(公告)号：CN110148168A
公开(公告)日：2019-08-20
申请号：CN201910432950.4
申请日：2019-05-23
Applicant: 南京大学
IPC: G06T7/593
Abstract: 本发明公开了基于大小双基线的三目相机深度图像处理方法，通过引入小基线相机组减少计算量，提高计算速度，同时通过大基线相机组进行小范围的立体匹配提高视差图精度，从而达到在提高精度的同时减少立体匹配的计算量的目的。本发明对于现有的双目相机系统，额外添加一个小基线相机，在相同的算法下，通过先计算小基线相机组的视差图，以其为基准扩展一个视差搜索窗口用于大基线相机组的立体匹配，这样不仅可以提高精度同时还减小了计算量，加快了计算速度，提高了整个系统在实际应用场景中的精度与效率，而且还降低了计算量。因此本发明的整个过程能大幅减少立体匹配的计算时间，同时还提高了算法的精度，在实时平台上具有极大应用前景。
-
-
-
Search Results
4
records
(took 0.02 seconds)
