文件名称：MLPDepthMap:使用立体几何，分割和MLP进行密集深度图估计
文件大小：45.61MB
文件格式：ZIP
更新时间：2024-06-07 16:11:47
computer-vision image-segmentation stereo-vision depth-map feature-matching
使用多层感知器和对象分割，根据稀疏深度图估计密集深度图。 作者： 帕特里克·亨里克森（github：pat676） VemundSchøyen（github：Vemundss） 这个项目是作为项目UNIK4690- Machine Vision的一个学校项目完成的 我们开发了一种算法，该算法使用立体几何稀疏深度图作为MLP的训练数据来计算密集深度图。 MLP使用像素坐标和分段作为输入。 我们专注于编写可理解的模块化代码，以简化对不同参数和方法的试验。 在进行此项目时，我们并未专注于速度。 所有模块的底部都有一个if name ==' main '块，显示了示例代码用法。 这些模块： Matcher.py： 计算特征并匹配立体图像中的这些特征 立体声深度 使用Matcher.py计算稀疏深度 PixelSelectGUI.py： 用于为Watershed.py中的分水岭算法手动选
【文件预览】：
MLPDepthMap-master
----Results()
--------trueDisp.png(615KB)
--------diff.png(966KB)
--------calculatedDisp.png(551KB)
--------StereoDepth.png(7.37MB)
----Pickle()
--------City1.p(1.78MB)
--------middelburyLeft.p(21.15MB)
--------Porsche.p(1.09MB)
--------City2.p(1.78MB)
----src()
--------MLPDataProsessor.py(20KB)
--------Matcher.py(16KB)
--------MiddleburyUtil.py(10KB)
--------MLPDataInterpreter.py(8KB)
--------MLP.py(12KB)
--------ARGUI.py(8KB)
--------LoadSegmentedImage.py(506B)
--------AR.py(16KB)
--------StereoDepth.py(4KB)
--------Watershed.py(3KB)
--------PixelSelectGUI.py(6KB)
----Project Summary.pdf(7.31MB)
----README.MD(2KB)
----Images()
--------CityRight2.png(637KB)
--------CityLeft2.png(702KB)
--------Porsche.jpg(35KB)
--------CityRight1.png(689KB)
--------MiddleburyGroundTruth.pfm(21.15MB)
--------middelburyLeft.png(5.47MB)
--------middelburyRight.png(5.07MB)
--------CityLeft1.png(716KB)
----.gitignore(147B)