当地深度地图(地图)差距从光场估计

一个函数来解释一个stereo-like分类中使用光场深度估计

1.5 k下载

更新2015年9月17日

查看许可协议

提供这个文件一起提交STSIVA 2014,请阅读本文时可用来理解内容:标题——深度估计根据字段映射使用stereo-like分类—
——抽象——光场或低频一个函数,它描述了在每一个方向的光线通过每一个点(角)(空间)的一个场景,这种低频可以捕获在几个方面,利用摄像头,让提审或最近使用一个相机与一个特殊的镜头,使角和空间信息的捕捉一个场景的光线(低频)。最近相机实现提供了不同的方法来找到一个场景使用的部门只有一个相机。为了估计深度,我们描述一个分类,类似于一个用于立体深度贴图算法。在于建立一个成本张量来表示匹配的成本之间的差距,然后,使用一个支持体重窗口,总成本这张量,最后,用一个“赢者通吃”的优化算法,寻找最好的差距。万博1manbetx本文详细解释了几次更改stereo-like分类,应用在光场,并评估该算法使用最近的一个数据库,首次提供了几个真实光场,各自的真实深度图。(提交的形象属于图像处理人机交互的海德堡合作实验室)
旧金山的卡洛斯·卡尔德龙M。Sc 2014年4月
Creative commons 2.5分享相似的非商业性
有3个文件包括:
Dept_vol_subpixel_2:主要功能
shift_image:子函数转变……
PlotDepthdisparity:额外的函数绘制“没有必要”
你需要使用lightField维低频(t, s, v, u, c) c =颜色通道。
请使用的帮助功能:
> >帮助Dept_vol_subpixel_2
> >帮助shift_image
> >帮助PlotDepthdisparity

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

重要提示:

(1)运行代码,你需要另外下载“引导图像过滤器”[K。他,j .太阳x,引导图像过滤,ECCV10]从开明的网站(http://personal.ie.cuhk.edu.hk/ ~ hkm007 /)和“guidedfilter_color提取文件。m”和“boxfilter。m”到其他Matlab文件相同的目录中。我们提供一个简单的修改称为guidedfilterx和boxfilterx基于他们的原创作品。

(2)代码仅供学术使用。在任何商业或工业中使用的代码相关的活动是被禁止的。

(3)如果你使用我们的代码我们要求你把论文深度估计根据字段映射使用stereo-like分类法

@INPROCEEDINGS {Calderon2014,
作者={卡尔德龙,足球和Parra, c.a和尼诺,中一段},
booktitle ={图像、信号处理和人工视觉(STSIVA), 2014年第十九研讨会},
title ={深度估计根据字段映射使用stereo-like分类法},
年= {2014},
页面= {1 - 5},
关键词={相机;特征提取;图像处理;图像传感器;镜头;优化;空间变量测量;角信息;成本张量;深度地图估计;镜头;光场;优化算法;单相机;空间信息;立体深度贴图算法;stereo-like分类;支持体重窗口;相机;计算机视觉;方程;评估;数学模型;立体视觉;分类;深度地图;立体光场;立体分类;平滑滤波器},万博1manbetx
doi = {10.1109 / STSIVA.2014.7010131},
月= {9}}

(4)请使用的数据集http://hci.iwr.uni-heidelberg.de/HCI/Research/LightField/lf_benchmark.php然后把HDF5文件matlab和低频(t, s, v, u, c)输入表单。首先阅读文档和代码。

引用作为

旧金山卡尔德龙(2023)。当地深度地图(地图)差距从光场估计(//www.tianjin-qmedu.com/matlabcentral/fileexchange/47136-local-depth-map-disparity-map-estimation-from-light-fields), MATLAB中央文件交换。检索

MATLAB版本兼容性
创建R2012a
兼容任何释放
平台的兼容性
窗户 macOS Linux

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!
版本 发表 发布说明
2.0.0.0之间

我们最近更新使单机包括引导滤波器和修复一些错误。

1.1.0.0

微小的变化,描述

1.0.0.0