- 1、本文档共15页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
手机表面翘曲检测程序运行演示
目录课程引入代码分析代码演示一二三
能力目标(1)能够对双目视觉有基础的认识;(2)能够对完成对双目视觉的标定。知识目标(1)了解双目视觉标定的原理。素质目标(1)具有严谨求实精神;(2)具有自主学习的能力;(3)具备5S职业素养。课程目标
一课程目标客观现实世界是一个三维的空间世界,常用的摄像机、数码相机等图像捕获设备利用光学镜头成像原理只能获取到二维图像,但二维图像几乎失去了物体所有的深度信息,然而物体的三维图像能够更加全面、真实地反映客观物体,提供更加丰富而准确的信息,所以有必要从二维图像中重构场景的三维空间,以获取其三维信息。人的视觉系统具有将获取的图像信息转换为立体视图的功能,实现对客观世界三维场景的感知、认识和理解。本案例通过将二维图像重构为三维空间,对手机表面的翘曲程度进行了检测。
二代码分析在opencv中构建深度图的函数:cv2.StereoSGBM_create([,minDisparity[,numDisparities[,blockSize[,P1[,P2[,disp12MaxDiff[,preFilterCap[,uniquenessRatio[,speckleWindowSize[,speckleRange[,mode]]]]]]]]]]]])式中:minDisparity:最小可能的差异值。通常情况下,它是零,但有时整流算法可能会改变图像,所以这个参数需要作相应的调整。numDisparities:最大差异减去最小差异。该值总是大于零。在当前的实现中,该参数必须可以被16整除。BLOCKSIZE:匹配的块大小。它必须是=1的奇数。通常情况下,它应该在3-11的范围内。P1:控制视差平滑度的第一个参数。见下文。P2:第二个参数控制视差平滑度。值越大,差异越平滑。P1是相邻像素之间的视差变化加或减1的惩罚。P2是相邻像素之间的视差变化超过1的惩罚。该算法需要P2P1。请参见stereo_match.cpp示例,其中显示了一些相当好的P1和P2值(分别为8*number_of_image_channels*SADWindowSize*SADWindowSize和32*number_of_image_channels*SADWindowSize*SADWindowSize)。disp12MaxDiff:左右视差检查中允许的最大差异(以整数像素为单位)。将其设置为非正值以禁用检查。构建深度图
二代码分析preFilterCap:预滤波图像像素的截断值。该算法首先计算每个像素的x导数,并通过[-preFilterCap,preFilterCap]间隔剪切其值。结果值传递给 Birchfield-Tomasi像素成本函数。uniquenessRatio:最佳(最小)计算成本函数值应该“赢”第二个最佳值以考虑找到的匹配正确的百分比保证金。通常,5-15范围内的值就足够了。speckleWindowSize:平滑视差区域的最大尺寸,以考虑其噪声斑点和无效。将其设置为0可禁用斑点过滤。否则,将其设置在50-200的范围内。speckleRange:每个连接组件内的最大视差变化。如果你做斑点过滤,将参数设置为正值,它将被隐式乘以16.通常,1或2就足够好了。Mode:将其设置为StereoSGBM::MODE_HH以运行全尺寸双通道动态编程算法。它将消耗O(W*H*numDisparities)字节,这对640x480立体声很大,对于HD尺寸的图片很大。默认情况下,它被设置为false。构建深度图
二代码分析在opencv中归一化的函数:dst=?cv2.normalize(src[,dst[,alpha[,beta[,norm_type[,dtype[,mask]]]]]])?式中:src:输入数组。dst:与SRC大小相同的输出数组。α:范数值在范围归一化的情况下归一化到较低的范围边界。β:上限范围在范围归一化的情况下;它不用于范数归一化。norm_type:规范化类型(见下面的细节)。dType:当输出为负时,输出数组具有与SRC相同的类型;否则,它具有与SRC相同的信道数和深度=CVH-MatthAsHead(DyType)。mask:可选的操作面具。这个函数提供了四种归一化方式,可根据需要选择以下四个参数,下面重点说下这四种归一化方式:归一化
二代码分析归一化 NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围,线性归一化。NORM_INF:?归一化数组的(切比雪夫距离)L∞范数(绝对值的最大值)
二代码分析归一化 NORM_L1:??归一化数组的(曼哈顿距离)L1-范数(绝对值的和)
您可能关注的文档
- 项目5:功率放大器认知及应用电路制作.ppt
- 项目5:汽车操控性的评价方法.ppt
- 项目6:MOS管认知及工程应用电路的制作.pptx
- 项目7:电力电子器件的认知及应用电路制作.ppt
- 项目8:数字电路基础.ppt
- 项目9:集成门电路的认知及应用电路的制作.pptx
- 项目10:组合逻辑电路的认知及数显电容计显示电路的制作.pptx
- 视频96STC串行口方式1.ppt
- 视频98STC串行口1波特率设置.ppt
- 视频100STC串行口2缓冲寄存器S2BUF.ppt
- 运动风格趋势:轻量化户外 2025 S S.pdf
- 数字乡村建设村村通广播应用方案.pdf
- 高盛-日本市场策略 Japan Strategy Flash 1Q325 earnings summary Double-digit (%) profit growth as results largely surprised upwards 0820 2024.pdf
- CEEM《全球智库半月谈》(总第286期).pdf
- 智慧物流概论微课课件第4章智慧物流信息平台.pdf
- 数字乡村公共安全综合平台项目解决方案.pdf
- 智慧物流概论微课课件第7章智慧物流包装.pdf
- 【案例】”啤酒之王“的智慧物流探索之路.pdf
- 数字连江城市数字基座(一期)和数字乡村示范点建设项目.pdf
- 智慧物流概论微课课件第1章智慧物流概述.pdf
文档评论(0)