基于MAP-MRF的视差估计

 

 

写在最前面的话:

此篇文章作为本人对马尔科夫随机场等概率模型在立体视觉的应用的首篇记录,包含了本人对马尔科夫场理论的浅显理解和最大后验概率估计方法的理解。囿于本人学术水平,此篇文章参考了大量的数学教材、网络的相关博客以及国内外学术论文,在此特别鸣谢以下创作:

1.图像的MAP-MRF模型 https://blog.csdn.net/xfijun/article/details/103624819

2.Belief Propagation解决计算机视觉问题

https://blog.csdn.net/lansatiankongxxc/article/details/45590545?utm_source=blogxgwz0

以上创作极大地加深了本人对马尔可夫场的理解,在此基础上,本人结合视差估计这一立体视觉基本问题进行整理。再次感谢以上创作对本人的帮助,谢谢!

作为计算机视觉的核心问题的三维重建技术已经广泛应用于3D打印、离线地图重建和文物修复等行业应用之中。其中,基于多视图立体(Multi-View Stereo, 以下简称为“MVS”)的三维重建仅以RGB图片作为输入,经过特征提取与匹配,从运动恢复结构(Structure from Motion, 以下简称为“SfM”),深度估计,深度图融合等多个步骤,输出表达场景的稠密点云,是基于视觉的三维重建技术的重要方法和研究分支。日益增长的数据量,同时内部数据还受到诸如光照变化、遮挡等不可控环境因素的影响都对深度图估计的效率、精度都提出了挑战。

参考影像的深度估计可以转化为立体像对的视差估计,传统方法利用稠密匹配的算法进行快速特征匹配,例如半全局匹配算法,而往往在收到遮挡的影响而效果不佳。而深度学习方法在立体视觉中

3D视觉工坊 CSDN认证博客专家 算法 3D视觉
个人公众号:3D视觉工坊。公众号特邀嘉宾及合伙人,先后就职于国内知名研究机构、自动驾驶公司、海康研究院,主要研究方向为深度学习、目标检测、语义分割、图像处理、自动驾驶感知算法等,CSDN博客专家。博主先后任职于国内知名研究院、知名大厂,致力于3D视觉算法、VLAM算法开发,涉及相机标定、手眼标定、结构光、点云后处理、三维重建等相关领域的研究,同时也是CSDN博客专家。3D视觉工坊坚持原创,近一年来输出了非常多的高质量文章,获得了粉丝的一致好评,我们将始终坚持走原创路线,打造一个铁杆粉丝的聚集区。
已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 书香水墨 设计师:CSDN官方博客 返回首页
实付 49.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值