Sto cercando di capire quali sono attualmente i due algoritmi più efficaci che consentono, partendo da una coppia L / R di immagini stereo create usando una macchina fotografica tradizionale (così influenzata da alcuni disallineamenti di linee epipolari), per produrre una coppia delle immagini modificate più le loro informazioni sulla profondità osservando la loro disparità.
In realtà ho trovato molti articoli su questi due metodi, come:
- "Computazione che rettifica le omografie per la visione stereo" (Zhang - sembra uno dei migliori per la sola rettifica)
- "Raddrizza immagine in tre passi" (Monasse)
- "Rettifica e disparità" (slideshow di Navab)
- "Un algoritmo di corrispondenza stereo basato su un'area veloce" (Di Stefano - sembra un po 'impreciso)
- "Computing Corrispondenza visiva con occlusioni tramite tagli grafici" (Kolmogorov - questo produce una mappa di disparità molto buona, con anche informazioni di occlusione, ma è efficiente?)
- "Stima della mappa di disparità densa rispettando le discontinuità dell'immagine" (Alvarez - troppo lungo per una prima recensione)
Chiunque potrebbe darmi qualche consiglio per orientarsi in questo ampio argomento?
Quale tipo di algoritmo / metodo dovrei trattare per primo, considerando che lavorerò su un input molto semplice: una coppia di immagini sinistra e destra e nient'altro, non più informazioni (alcuni documenti sono basati su preso, informazioni di calibrazione)?
Parlando di implementazioni di lavoro, gli unici risultati interessanti che ho visto finora appartengono a questo software, ma solo per la rettifica automatica, non per la disparità: link
Ho provato la funzione "auto-regolazione" e mi sembra davvero efficace. Peccato che non ci sia codice sorgente ...