hirschmuller08
时间: 2023-06-26 16:05:53 浏览: 45
Hirschmuller08 可能是指 Andreas Hirschmuller 在 2008 年发表的论文《Stereo processing by semiglobal matching and mutual information》。这篇论文提出了一种用于立体匹配的半全局匹配算法,该算法结合了多个视差假设,并使用相邻像素之间的互信息进行能量优化。该算法在实验中展现了很好的性能表现。
相关问题
# stereo matching algorithm: 'tvl1', 'msmw', 'hirschmuller08', # hirschmuller08_laplacian', 'sgbm', 'mgm', 'mgm_multi'
立体匹配算法是用于从两个不同的视角捕获的图像中恢复深度信息的算法。以下是几种常见的立体匹配算法:
- 'tvl1': 基于全变分(Total Variation)的算法,通过最小化两个图像之间的亮度和梯度差异来进行匹配。
- 'msmw': 在多尺度的情况下,使用加权平均的方式计算匹配代价。
- 'hirschmuller08': 基于代价聚合的 SGM(Semi-Global Matching)算法,通过对代价进行聚合来进行匹配。
- 'hirschmuller08_laplacian': 类似于 'hirschmuller08',但使用拉普拉斯金字塔对图像进行预处理。
- 'sgbm': 基于代价聚合的 SGBM(Semi-Global Block Matching)算法,通过对代价进行聚合来进行匹配。
- 'mgm': 基于代价聚合的 MGM(Modified Census Transform Guided Matching)算法,通过对代价进行聚合来进行匹配,并使用修改的 Census 变换来计算代价。
- 'mgm_multi': 类似于 'mgm',但支持多通道的图像匹配。
每种算法都有其独特的优点和缺点,需要根据具体的应用场景选择合适的算法。
stereo matching algorithm: 'tvl1', 'msmw', 'hirschmuller08', # hirschmuller08_laplacian', 'sgbm', 'mgm', 'mgm_multi'
立体匹配算法是用于从一对立体图像中计算深度的技术。以下是几种常见的立体匹配算法:
1. 'tvl1': 这是一种基于光流的算法,它使用了总变分正则化来保持平滑性。这种算法通常在低纹理区域表现较好。
2. 'msmw': 这是一种多尺度匹配算法,它通过使用不同的图像尺度来提高匹配质量。这种算法通常在纹理区域和边缘区域表现较好。
3. 'hirschmuller08': 这是一种基于代价聚合的算法,它使用了全局优化技术来提高匹配精度。这种算法通常在低纹理区域表现较好。
4. 'hirschmuller08_laplacian': 这是 'hirschmuller08' 算法的改进版本,它使用了拉普拉斯金字塔来提高匹配精度。
5. 'sgbm': 这是一种基于半全局匹配的算法,它使用了多个方向上的代价聚合来提高匹配精度。这种算法通常在纹理区域和边缘区域表现较好。
6. 'mgm': 这是一种基于多网格匹配的算法,它通过使用不同的网格级别来提高匹配精度。这种算法通常在低纹理区域表现较好。
7. 'mgm_multi': 这是 'mgm' 算法的改进版本,它使用了多个网格级别和多个窗口大小来提高匹配精度。
相关推荐
![](https://img-home.csdnimg.cn/images/20210720083646.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![xlsm](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)