-
System : MacOS Mojave
-
Python version : 3.7.4
-
Opencv-contrib : 3.4.2
-
Numpy : 1.16.2
-
Matplotlib : 3.0.3
Explain your algorithm in terms of the standard 4-step pipeline. (cost computation, cost aggregation, disp. optimization, disp. refinement)
- cost computation : 我使用Census transform的方式，來計算L,R的cost，另外在左右邊界上，我們可能會有無法計算cost的情況，因為window已經超過整個圖片，因此我會將這些沒有辦法計算的邊界，沒有計算到的disparity設成最大，這樣就不會有錯誤的disparity計算。
- cost aggregation : 這裡我使用blur來做均勻化的效果。
- disp. optimization : 利用助教提供的方法，winner-take-all。
- disp. refinement : 這裡我亦使用助教建議的方式，先做
-
Left-right consistency check，在左右兩個視角的深度圖上，找到不合理的點，再作對齊。
-
再使用cv2.medianBlur，將生成出來的深度圖作均勻化處理。
-
以及hole filling，將這些出來的圖形中，有小洞的地方補齊。
-
最後使用bilateralFilter，進行最後的勻化處理。
-
| tsukuba | teddy | venus | cones |
|---|---|---|---|
 |
 |
 |
 |
| 1.44 sec | 2.56 sec | 7.52 sce | 7.78 sce |
-
Census Transform, https://blog.csdn.net/u010368556/article/details/72621099
-
Hole Filling, https://blog.csdn.net/u012876599/article/details/51603033
-
Hole Filling, https://blog.csdn.net/wc781708249/article/details/78539990
-
Box filter, http:https://tech-algorithm.com/articles/boxfiltering/
-
Computing the Stereo Matching Cost with a Convolutional Neural Network, CVPR 2015,https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Zbontar_Computing_the_Stereo_2015_CVPR_paper.pdf
-
Left right consistency check, https://www.coursehero.com/file/p6anjr6/Left-right-consistency-check-For-each-pixel-p-l-of-the-left-view-Lookup-p-l-s/
-
Weighted Median Filter, CVPR 2014, https://blog.csdn.net/streamchuanxi/article/details/79573302# -CV-stereo-matching