1) Dense disparity map
稠密视差图
1.
An energy based algorithm inspired by PDE and machine vision theory is proposed to estimate a dense disparity map between two images.
立体匹配是计算机视觉领域中的一个重要的热门研究课题,为了获得性能更优的稠密视差图,通过把偏微分方程理论运用于机器视觉中,提出了一种新的基于能量函数获取稠密视差图(disparity map)的方法,并首先分析了匹配点对在不同相对位置下对匹配项产生的影响;接着提出了适用于视差图的各向异性的热扩散方程,它不仅继承了Alvarez定义的正则项对初始视差图内部平滑和保持边缘不连续的特性,还通过引入图像的噪声屏蔽函数和二阶方向导数来分别控制对应视差图中不同区域的扩散速度和角点处的扩散方向;最后通过定义的正则项和匹配项来构造新的能量函数,并把基于区域匹配算法得到的视差图作为初始值,再利用最速下降法求解相应的最小能量泛函。
2) dense disparity map
密集视差图
1.
Acquiring dense disparity map based on energy function optimization is a novel stereo matching method.
基于能量函数最优来获取密集视差图(Disparity Map)是图像匹配的新方法。
3) dense subgraph
稠密子图
4) dense depth map
稠密深度图
1.
A miniature stereo vision machine to generate high resolution dense depth maps has been developed for application to portable intelligent robots and smart visual interface.
本文给出一种实时计算场景稠密深度图的多目立体视觉机设计与实现方法 。
5) globally dense graphs
全局稠密图
6) dense continuous map
稠密连续图形
补充资料：视差
| 视差 parallax 观测者在两个不同位置看同一天体的方向之差。可用观测者的两个不同位置之间的距离（基线）在天体处的张角来表示。天体的视差与天体到观测者的距离之间存在着简单的三角关系，因此能以视差的值表示天体的距离，而以此测定天体距离的方法称为三角视差法。在测定太阳系内天体的距离时，以地球半径为基线，所得视差称为周日视差。周日视差随着天体的高度变化而改变，当天体位于地平时，它的周日视差达到极大值，称为周日地平视差。当观测者位于赤道时，天体的周日地平视差具有最大值，称为赤道地平视差。在测定恒星的距离时，以地球绕太阳公转的轨道半长径（即太阳和地球的平均距离）为基线，所得视差称为周年视差。假设恒星位于黄极方向时的周年视差称为恒星周年视差，简称恒星视差，用π表示。恒星视差只与恒星至太阳的距离有关，所以通常用π表示恒星距离。 所有恒星的π值都小于1″。由于太阳在空间运动所产生的视差称为长期视差，也称视差动。它取太阳在一年里所走过的距离为基线。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条