admin管理员组

文章数量:1660218

目录

  • 0. 前前言
  • 1. 前言
  • 2. ProcessPixel
    • 2.1. 之字形遍历当前像素的patch中的像素
    • 2.2. 空间传播
    • 2.3. 随机传播

0. 前前言

对于深度图计算的流程，笔者认为是：

  1. 由SfM得到稀疏三维点云，通过构建网格和插值来初始化参考图像（要求深度图的那一帧）的其他像素点对应的深度值和法向量；
  2. 根据参考帧像素点的初始深度值、法向量以及像素坐标，我们可以得到该像素点在三维空间中三维点的局部切平面（Patch）;
  3. 计算当前参考帧的像素（当前像素块）与邻域帧对应像素（邻域像素块）（通过当前像素的坐标、深度值等信息结合单应矩阵得到）的匹配代价；
  4. 匹配代价是NCC或加权NCC，主要比较的是当前像素块和邻域像素块的像素色度空间和几何空间邻近性；
  5. 但是这些像素的初始深度值和法向量不够准确，所以得到的匹配代价值并不是最优解。这里有一个假设：参考帧相邻像素可能有相似切平面，即相似的深度和法向。对于高分辨率图像，像素个数足够多，则在初始化的深度和法向值中很可能至少有一个邻域像素有接近中心像素真值的深度值和法向值；
  6. 所以，我们需要拿中心像素的邻域像素的深度值、法向量（也就是邻域像素的Patch）当做中心像素的深度值和法向量，然后根据中

本文标签： 深度DenseReconstructionOpenMVSpatchmatchEVTEstimateDepthMap

版权声明：本文标题：openMVS深度图计算：DenseReconstruction Estimate之EVTEstimateDepthMap之patchmatch的传播优化 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dongtai/1729850114a1215296.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。