立體匹配deeppruner求助
deeppruner: learning efficient stereo matching via differentiable patchmatch
最近結合code閱讀這篇deeppruner**發現有很多疑惑
(1)為什麼不直接用confidence_range_predictor**的範圍，而是再處理得到乙個搜尋空間
(2)文中的patchmatch演算法處理之後得到了幾個高可能性視差假設呢，因為用了argsoftmax，我很困惑處理完就是乙個視差**值了，但是又感覺文中表達的意思是得到k（code中為10）個高可能性視差
立體匹配 立體匹配過程
立體匹配就4個步驟 匹配代價計算，代價聚合，計算視差，視差精化 匹配代價計算 一般是通過計算左右兩圖對應畫素3個通道的灰度值差來決定匹配代價的，常用的就是基於畫素點匹配代價計算，一般有ad，sd，tad什麼的，基於區域的匹配代價計算一般有sad，ssd，stad之類的。匹配代價計算會生成乙個disp...
雙目立體匹配
公式 其中資料項描述了匹配程度，平滑項體現了定義場景的約束，c是匹配代價 或稱penalty p是不同兩畫素p和q視差的函式，一般稱之為平滑項 考慮到能量優化問題在一維空間的複雜度是多項式級的，因此一些研究試圖做一些近似來降低演算法的複雜度。例如，半全域性演算法 sgm 就利用了這一特性將二維問題簡...
立體匹配演算法 RankTransform
1.基本介紹 立體匹配演算法，關鍵是計算左右圖對應點的匹配代價。但是基於畫素的匹配方法有乙個問題就是對於重複紋理區域，支援視窗選取太小則不利於獲取準確的匹配代價，視窗選取過大則計算複雜度過高。對於這種情況，我們應該適當的考慮支援視窗的結構資訊，但是結構資訊如何表示，怎樣定量計算，這裡就要用到標題中提...