반응형 disparity3 Stereo matching - local matching Ⅰ. 영역 기반 정합 방법 - 윈도우 간의 상관도(= 정합 비용, 비유사도)를 기반으로 계산하여 시차를 계산하는 방법이며, 다양한 알고리즘이 존재한다. 그 중에서도 SAD(Sum of Absolute difference)는 매우 널리 알려진 알고리즘이다. 그래서 본 장에서는 SAD를 설명하며, 이와 거의 유사한 SSD(Sum of squared difference)도 같이 짧게나마 설명하겠습니다. Ⅱ. SAD(Sum of Absolute Difference) - 좌/우 윈도우 내 존재하는 픽셀들의 값의 차이에 절대값을 취한 후, 합산하여 정합 비용을 계산합니다. - 아래의 그림을 보면 쉽게 이해 가능합니다. + 기준 영상(좌측 영상)의 한 점과 목표 영상(우측 영상)의 시차 탐색 범위(disparity .. 2022. 10. 3. Stereo matching(추가) Ⅰ. 스테레오 정합 - 스테레오 정합은 기준 영상(reference image)에서의 한 점에 대한 동일한 점(= 똑같은 점)을 목표 영상(target image)에서 찾는 과정이라고 말할 수 있습니다. + 쉽게 풀어쓴다면, 최종 목표는 앞서서 스테레오 비전을 설명할 때 나온 '시차(disparity)'를 계산하는 과정이라고 이해하면 됩니다. + '기준 영상은 뭐고? 목표 영상은 뭐냐?' 기준 영상은 좌측 영상이 될 수도 있고, 우측 영상이 될 수도 있습니다. > 목표 영상은 기준 영상의 반대 영상입니다. 아래 그림을 통해 기준 영상을 이해하시면 됩니다. + 먼저 좌측 영상을 기준 영상으로, 좌/우 영상에서 동일하게 나타나는 한 점을 생각해본다면, 아래 그림처럼 좌측 영상에서의 한 점을 기준으로 우측 영.. 2022. 10. 3. Depth & Disparity Ⅰ. Disparity & Depth - disparity(시차) : 좌/우 영상에서 동일하게 나타나는 물체에 대한 x축 위치 차이를 의미 + 수식으로 정의하면 아래와 같음 - Depth란 정의는 깊이 이며, 말 그대로 영상에서의 깊이를 의미한다. 그래서 Disparity 값으로 채워진 영상을 보통 depth image 라고 부른다. - Dispariy 를 계산하는 방법은 아래와 같다. + 3차원의 (x,y,z) 점은 좌/우 카메라의 렌즈의 중심을 거쳐 이미지 평면에 상이 맺히게 됨 (이때, y축은 좌/우 카메라가 동일함을 가정) + 이때, 빨간색 파선과 파란색 파선 각각에 대해 거리에 대한 비례식을 세울 수 있음(색깔로 매칭해서 수식 구분하세요) + 'z'는 실제 3차원의 거리를 의미하며, 이때 사용되.. 2022. 10. 3. 이전 1 다음 반응형
