binocular_disparity_msbinocular_disparity_msBinocularDisparityMsBinocularDisparityMsbinocular_disparity_ms (Operator)
Name
binocular_disparity_msbinocular_disparity_msBinocularDisparityMsBinocularDisparityMsbinocular_disparity_ms
— Berechnet die Disparität für ein rektifiziertes Stereobildpaar mit Hilfe
von Multi-Scanline-Optimierung.
Signatur
Herror binocular_disparity_ms(const Hobject ImageRect1, const Hobject ImageRect2, Hobject* Disparity, Hobject* Score, const Hlong MinDisparity, const Hlong MaxDisparity, const Hlong SurfaceSmoothing, const Hlong EdgeSmoothing, const char* GenParamName, const char* GenParamValue)
Herror T_binocular_disparity_ms(const Hobject ImageRect1, const Hobject ImageRect2, Hobject* Disparity, Hobject* Score, const Htuple MinDisparity, const Htuple MaxDisparity, const Htuple SurfaceSmoothing, const Htuple EdgeSmoothing, const Htuple GenParamName, const Htuple GenParamValue)
void BinocularDisparityMs(const HObject& ImageRect1, const HObject& ImageRect2, HObject* Disparity, HObject* Score, const HTuple& MinDisparity, const HTuple& MaxDisparity, const HTuple& SurfaceSmoothing, const HTuple& EdgeSmoothing, const HTuple& GenParamName, const HTuple& GenParamValue)
HImage HImage::BinocularDisparityMs(const HImage& ImageRect2, HImage* Score, Hlong MinDisparity, Hlong MaxDisparity, Hlong SurfaceSmoothing, Hlong EdgeSmoothing, const HTuple& GenParamName, const HTuple& GenParamValue) const
HImage HImage::BinocularDisparityMs(const HImage& ImageRect2, HImage* Score, Hlong MinDisparity, Hlong MaxDisparity, Hlong SurfaceSmoothing, Hlong EdgeSmoothing, const HString& GenParamName, const HString& GenParamValue) const
HImage HImage::BinocularDisparityMs(const HImage& ImageRect2, HImage* Score, Hlong MinDisparity, Hlong MaxDisparity, Hlong SurfaceSmoothing, Hlong EdgeSmoothing, const char* GenParamName, const char* GenParamValue) const
HImage HImage::BinocularDisparityMs(const HImage& ImageRect2, HImage* Score, Hlong MinDisparity, Hlong MaxDisparity, Hlong SurfaceSmoothing, Hlong EdgeSmoothing, const wchar_t* GenParamName, const wchar_t* GenParamValue) const
(Nur Windows)
static void HOperatorSet.BinocularDisparityMs(HObject imageRect1, HObject imageRect2, out HObject disparity, out HObject score, HTuple minDisparity, HTuple maxDisparity, HTuple surfaceSmoothing, HTuple edgeSmoothing, HTuple genParamName, HTuple genParamValue)
HImage HImage.BinocularDisparityMs(HImage imageRect2, out HImage score, int minDisparity, int maxDisparity, int surfaceSmoothing, int edgeSmoothing, HTuple genParamName, HTuple genParamValue)
HImage HImage.BinocularDisparityMs(HImage imageRect2, out HImage score, int minDisparity, int maxDisparity, int surfaceSmoothing, int edgeSmoothing, string genParamName, string genParamValue)
Beschreibung
binocular_disparity_msbinocular_disparity_msBinocularDisparityMsBinocularDisparityMsBinocularDisparityMsbinocular_disparity_ms
berechnet die Disparität zwischen
zwei rektifizierten Stereobildern ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
und
ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
mit Hilfe von Multi-Scanline-Optimierung. Das
resultierende Disparitätsbild wird in DisparityDisparityDisparityDisparitydisparitydisparity
zurückgegeben.
Im Gegensatz zu binocular_distance_msbinocular_distance_msBinocularDistanceMsBinocularDistanceMsBinocularDistanceMsbinocular_distance_ms
wird das Ergebnis nicht in
Abstandswerte umgerechnet.
Für diese Aufgabe können die drei Operatoren binocular_disparitybinocular_disparityBinocularDisparityBinocularDisparityBinocularDisparitybinocular_disparity
,
binocular_disparity_mgbinocular_disparity_mgBinocularDisparityMgBinocularDisparityMgBinocularDisparityMgbinocular_disparity_mg
und binocular_disparity_msbinocular_disparity_msBinocularDisparityMsBinocularDisparityMsBinocularDisparityMsbinocular_disparity_ms
verwendet werden. binocular_disparitybinocular_disparityBinocularDisparityBinocularDisparityBinocularDisparitybinocular_disparity
liefert robuste Ergebnisse
in gut texturierten Bereichen, doch scheitert auf schwachen Texturen.
binocular_disparity_mgbinocular_disparity_mgBinocularDisparityMgBinocularDisparityMgBinocularDisparityMgbinocular_disparity_mg
interpoliert schwach texturierte Bereiche,
doch glättet Disparitätssprünge. binocular_disparity_msbinocular_disparity_msBinocularDisparityMsBinocularDisparityMsBinocularDisparityMsbinocular_disparity_ms
bewahrt
Disparitätssprünge und interpoliert teilweise.
Die Eingabeparameter ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
und ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
müssen
ein Paar rektifizierter Stereobilder darstellen, d.h. korrespondierende
Punkte müssen in derselben Zeile liegen. Falls diese Annahme
nicht zutrifft, können die Bilder mit den Operatoren
calibrate_camerascalibrate_camerasCalibrateCamerasCalibrateCamerasCalibrateCamerascalibrate_cameras
, gen_binocular_rectification_mapgen_binocular_rectification_mapGenBinocularRectificationMapGenBinocularRectificationMapGenBinocularRectificationMapgen_binocular_rectification_map
und map_imagemap_imageMapImageMapImageMapImagemap_image
rektifiziert werden.
Die Breiten von ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
und ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
können
sich unterscheiden, die Höhe muss jedoch übereinstimmen.
Für ein Pixel in ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
wird das homologe Pixel in ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
ausgewählt, indem
die entsprechende Zeile in ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
abgesucht wird
und beide Pixel basierend auf einem Ähnlichkeitsmaß gematcht werden.
Die Disparität ist die Anzahl der Pixel, welche ein Pixel
in ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
verschoben werden muss, um das homologe Pixel
in ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
zu erreichen.
Der Suchbereich wird durch den minimalen und maximalen Disparitätswert
MinDisparityMinDisparityMinDisparityMinDisparityminDisparitymin_disparity
und MaxDisparityMaxDisparityMaxDisparityMaxDisparitymaxDisparitymax_disparity
festgelegt. Falls der
minimale und maximale Disparitätswert ein leeres Tupel sind, wird
der Suchbereich automatisch aus den Eingabebildern ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
und ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
berechnet.
Um die Laufzeit zu verbessern kann ein ein grob-zu-fein Schema verwendet
werden. Dieses funktioniert ähnlich zu dem grob-zu-fein Schema
welches in binocular_disparitybinocular_disparityBinocularDisparityBinocularDisparityBinocularDisparitybinocular_disparity
beschrieben wird.
Das grob-zu-feine Schema wird verwendet, wenn GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name
auf
'method'"method""method""method""method""method" und GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value
auf 'fast'"fast""fast""fast""fast""fast" gesetzt
werden. Die Standardmethode ist
'accurate'"accurate""accurate""accurate""accurate""accurate". Besonders für große Bilder und einen großen
Suchbereich der Disparitätswerte erfordert die 'fast'"fast""fast""fast""fast""fast" Methode
deutlich weniger Speicherplatz und ist deutlich schneller
als die 'accurate'"accurate""accurate""accurate""accurate""accurate" Methode. Das grob-zu-fein Schema
hat den weiteren Vorteil, dass es automatisch die Reichweite von
MinDisparityMinDisparityMinDisparityMinDisparityminDisparitymin_disparity
und
MaxDisparityMaxDisparityMaxDisparityMaxDisparitymaxDisparitymax_disparity
beim Durchlaufen der Pyramide schätzt. Als
Konsequenz müssen weder MinDisparityMinDisparityMinDisparityMinDisparityminDisparitymin_disparity
noch
MaxDisparityMaxDisparityMaxDisparityMaxDisparitymaxDisparitymax_disparity
gesetzt werden. Allerdings sind die
Disparitätsbilder für die 'fast'"fast""fast""fast""fast""fast"-Methode weniger genau als für den
'accurate'"accurate""accurate""accurate""accurate""accurate" Standardansatz . Insbesondere
bei starken Disparitätssprüngen ist die 'fast'"fast""fast""fast""fast""fast" Methode ungenauer.
Die Laufzeit kann noch weiter reduziert werden indem die 'method'"method""method""method""method""method"
auf 'very_fast'"very_fast""very_fast""very_fast""very_fast""very_fast" gesetzt wird. Dieser Ansatz geht jedoch von
zahlreichen Annahmen aus, die zu einer Glättung der Disparitäten bei
Diskontinuitäten führen können. Standardmäßig wird die Anzahl der
Pyramidenstufen des grob-zu-fein Schemas automatisch geschätzt.
Es ist jedoch möglich die Anzahl der Stufen explizit durch das Setzen von
GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name
auf 'num_levels'"num_levels""num_levels""num_levels""num_levels""num_levels" und GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value
auf die Zahl der Ebenen zu setzen.
Das Ähnlichkeitsmaß kann festgelegt werden,
indem GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name
auf 'similarity_measure'"similarity_measure""similarity_measure""similarity_measure""similarity_measure""similarity_measure"
und GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value
auf den gewünschten Wert gesetzt wird.
In den beiden Fällen 'census_dense'"census_dense""census_dense""census_dense""census_dense""census_dense" (default)
und 'census_sparse'"census_sparse""census_sparse""census_sparse""census_sparse""census_sparse" basiert das Ähnlichkeitsmaß
auf der Census-Transformation. Ein transformiertes Bild
enthält für jedes Pixel Information über die Topologie der Intensitäten
innerhalb eines Supportfensters.
'census_dense'"census_dense""census_dense""census_dense""census_dense""census_dense" verwendet ein Fenster von 9 x 7 Pixeln.
'census_sparse'"census_sparse""census_sparse""census_sparse""census_sparse""census_sparse" verwendet ein Fenster von 15 x 15 Pixeln,
von welchen jedoch nur ein Teil ausgewertet wird.
Während 'census_dense'"census_dense""census_dense""census_dense""census_dense""census_dense" besser für feine Strukturen geeignet ist,
liefert 'census_sparse'"census_sparse""census_sparse""census_sparse""census_sparse""census_sparse" robustere Ergebnisse
in schwach texturierten Bereichen.
Um aus dem Ähnlichkeitsmaß die Disparitäten zu berechnen,
werden die Zwischenergebnisse mit Hilfe einer Multi-Scanline-Methode
optimiert. Die Optimierung steigert die Robustheit
in schwach texturierten Bereichen ohne Disparitätssprünge zu glätten.
Die Optimierung wird durch die beiden Parameter
SurfaceSmoothingSurfaceSmoothingSurfaceSmoothingSurfaceSmoothingsurfaceSmoothingsurface_smoothing
und EdgeSmoothingEdgeSmoothingEdgeSmoothingEdgeSmoothingedgeSmoothingedge_smoothing
gesteuert.
SurfaceSmoothingSurfaceSmoothingSurfaceSmoothingSurfaceSmoothingsurfaceSmoothingsurface_smoothing
steuert die Glattheit innerhalb von Oberflächen.
Hohe Werte unterdrücken Disparitätsdifferenzen von einem Pixel.
EdgeSmoothingEdgeSmoothingEdgeSmoothingEdgeSmoothingedgeSmoothingedge_smoothing
steuert die Häufigkeit und die Form von Kanten.
Niedrige Werte lassen viele Kanten zu,
hohe Werte führen zu weniger und runderen Kanten.
Für beide Parameter liegt ein sinnvoller Wertebereich
üblicherweise zwischen 0 und 100. Sind beide Parameter
auf null gesetzt, wird keine Optimierung durchgeführt.
Die resultierende Disparität wird in dem einkanaligen Bild
DisparityDisparityDisparityDisparitydisparitydisparity
zurückgegeben. Ein Qualitätsmaß
für jeden Disparitätswert wird in ScoreScoreScoreScorescorescore
ausgegeben.
Es enthält das beste (niedrigste) Ergebnis
des optimierten Ähnlichkeitsmaßes eines Referenzpixels.
Schließlich gibt es zwei optionale Nachbearbeitungsschritte.
Wird GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name
auf 'consistency_check'"consistency_check""consistency_check""consistency_check""consistency_check""consistency_check"
und GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value
auf 'true'"true""true""true""true""true" (default) gesetzt,
werden nur noch diejenigen Disparitätswerte zurückgegeben,
die übereinstimmend bei einer Suche eines Referenzmusters
von ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
in ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
als auch
von ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
in ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
gefunden werden.
Der Wert 'false'"false""false""false""false""false" schaltet dieses Verhalten aus.
Wird GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name
auf 'sub_disparity'"sub_disparity""sub_disparity""sub_disparity""sub_disparity""sub_disparity"
und GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value
auf 'true'"true""true""true""true""true" (default) gesetzt, werden
kontinuierliche Werte für die bisher ganzzahligen Disparitätswerte geschätzt.
Der Wert 'false'"false""false""false""false""false" schaltet dieses Verhalten aus.
Die Laufzeit des Operators verhält sich in etwa linear zur Bildbreite,
zur Bildhöhe und zum Disparitätsbereich. Folglich sollte der
Disparitätsbereich für große Bilder so klein wie möglich gewählt werden.
Die Laufzeit der grob-zu-fein Methode (wird verwendet indem
GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name
auf 'method'"method""method""method""method""method" und GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value
auf 'fast'"fast""fast""fast""fast""fast" oder 'very_fast'"very_fast""very_fast""very_fast""very_fast""very_fast" gesetzt werden), verhält
sich linear zur Bildbreite und zur Bildhöhe. Für kleine Bilder und kleine
Disparitätsbereiche kann die Laufzeit der grob-zu-fein Methode größer
sein als die der 'accurate'"accurate""accurate""accurate""accurate""accurate" Methode.
Ausführungsinformationen
- Unterstützt OpenCL Compute Devices.
- Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
- Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
- Automatisch parallelisiert auf Tupelebene.
- Automatisch parallelisiert auf interner Datenebene.
Parameter
ImageRect1ImageRect1ImageRect1ImageRect1imageRect1image_rect_1
(input_object) singlechannelimage →
objectHImageHObjectHImageHobject (byte*) *erlaubt für Compute Devices
Rektifiziertes Bild von Kamera 1.
ImageRect2ImageRect2ImageRect2ImageRect2imageRect2image_rect_2
(input_object) singlechannelimage →
objectHImageHObjectHImageHobject (byte*) *erlaubt für Compute Devices
Rektifiziertes Bild von Kamera 2.
DisparityDisparityDisparityDisparitydisparitydisparity
(output_object) singlechannelimage →
objectHImageHObjectHImageHobject * (real)
Disparität.
ScoreScoreScoreScorescorescore
(output_object) singlechannelimage →
objectHImageHObjectHImageHobject * (real)
Güte der berechneten Disparität.
MinDisparityMinDisparityMinDisparityMinDisparityminDisparitymin_disparity
(input_control) integer →
HTupleintHTupleHtuple (integer) (int / long) (Hlong) (Hlong)
Minimale erwartete Disparität.
Defaultwert: -30
Typischer Wertebereich: -32768
≤
MinDisparity
MinDisparity
MinDisparity
MinDisparity
minDisparity
min_disparity
≤
32767
MaxDisparityMaxDisparityMaxDisparityMaxDisparitymaxDisparitymax_disparity
(input_control) integer →
HTupleintHTupleHtuple (integer) (int / long) (Hlong) (Hlong)
Maximale erwartete Disparität.
Defaultwert: 30
Typischer Wertebereich: -32768
≤
MaxDisparity
MaxDisparity
MaxDisparity
MaxDisparity
maxDisparity
max_disparity
≤
32767
Restriktion: MinDisparity <= MaxDisparity
SurfaceSmoothingSurfaceSmoothingSurfaceSmoothingSurfaceSmoothingsurfaceSmoothingsurface_smoothing
(input_control) integer →
HTupleintHTupleHtuple (integer) (int / long) (Hlong) (Hlong)
Glättung von Oberflächen.
Defaultwert: 50
Wertevorschläge: 20, 50, 100
Restriktion: SurfaceSmoothing >= 0
EdgeSmoothingEdgeSmoothingEdgeSmoothingEdgeSmoothingedgeSmoothingedge_smoothing
(input_control) integer →
HTupleintHTupleHtuple (integer) (int / long) (Hlong) (Hlong)
Glättung von Kanten.
Defaultwert: 50
Wertevorschläge: 20, 50, 100
Restriktion: EdgeSmoothing >= 0
GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name
(input_control) attribute.name(-array) →
HTupleMaybeSequence[str]HTupleHtuple (string) (string) (HString) (char*)
Parametername(n) für das Multi-Scanline-Verfahren.
Defaultwert: []
Werteliste: 'consistency_check'"consistency_check""consistency_check""consistency_check""consistency_check""consistency_check", 'disparity_offset'"disparity_offset""disparity_offset""disparity_offset""disparity_offset""disparity_offset", 'method'"method""method""method""method""method", 'num_levels'"num_levels""num_levels""num_levels""num_levels""num_levels", 'similarity_measure'"similarity_measure""similarity_measure""similarity_measure""similarity_measure""similarity_measure", 'sub_disparity'"sub_disparity""sub_disparity""sub_disparity""sub_disparity""sub_disparity"
GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value
(input_control) attribute.value(-array) →
HTupleMaybeSequence[str]HTupleHtuple (string) (string) (HString) (char*)
Parameterwert(e) für das Multi-Scanline-Verfahren.
Defaultwert: []
Wertevorschläge: 'accurate'"accurate""accurate""accurate""accurate""accurate", 'fast'"fast""fast""fast""fast""fast", 'very_fast'"very_fast""very_fast""very_fast""very_fast""very_fast", 'census_dense'"census_dense""census_dense""census_dense""census_dense""census_dense", 'census_sparse'"census_sparse""census_sparse""census_sparse""census_sparse""census_sparse", 'true'"true""true""true""true""true", 'false'"false""false""false""false""false", 'auto'"auto""auto""auto""auto""auto"
Beispiel (HDevelop)
read_image (BaseballL, 'stereo/epipolar/baseball_l')
read_image (BaseballR, 'stereo/epipolar/baseball_r')
binocular_disparity_ms (BaseballL, BaseballR, Disparity, Score, \
-40, -10, 50, 50, [], [])
Ergebnis
Sind die Parameterwerte korrekt, dann liefert
binocular_disparity_msbinocular_disparity_msBinocularDisparityMsBinocularDisparityMsBinocularDisparityMsbinocular_disparity_ms
den Wert TRUE. Das Verhalten bei
leerer Eingabe (keine Eingabebilder vorhanden) lässt sich mittels
set_system('no_object_result',<Result>)set_system("no_object_result",<Result>)SetSystem("no_object_result",<Result>)SetSystem("no_object_result",<Result>)SetSystem("no_object_result",<Result>)set_system("no_object_result",<Result>)
festlegen.
Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
Vorgänger
map_imagemap_imageMapImageMapImageMapImagemap_image
Nachfolger
thresholdthresholdThresholdThresholdThresholdthreshold
,
disparity_to_distancedisparity_to_distanceDisparityToDistanceDisparityToDistanceDisparityToDistancedisparity_to_distance
,
disparity_image_to_xyzdisparity_image_to_xyzDisparityImageToXyzDisparityImageToXyzDisparityImageToXyzdisparity_image_to_xyz
Alternativen
binocular_disparitybinocular_disparityBinocularDisparityBinocularDisparityBinocularDisparitybinocular_disparity
,
binocular_disparity_mgbinocular_disparity_mgBinocularDisparityMgBinocularDisparityMgBinocularDisparityMgbinocular_disparity_mg
,
binocular_distancebinocular_distanceBinocularDistanceBinocularDistanceBinocularDistancebinocular_distance
,
binocular_distance_mgbinocular_distance_mgBinocularDistanceMgBinocularDistanceMgBinocularDistanceMgbinocular_distance_mg
,
binocular_distance_msbinocular_distance_msBinocularDistanceMsBinocularDistanceMsBinocularDistanceMsbinocular_distance_ms
Siehe auch
map_imagemap_imageMapImageMapImageMapImagemap_image
,
gen_binocular_rectification_mapgen_binocular_rectification_mapGenBinocularRectificationMapGenBinocularRectificationMapGenBinocularRectificationMapgen_binocular_rectification_map
,
binocular_calibrationbinocular_calibrationBinocularCalibrationBinocularCalibrationBinocularCalibrationbinocular_calibration
Modul
3D Metrology