Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Sztereó illesztés× | Lucas-Kanade Optical Flow× | |
|---|---|---|
| Tudományterület | Számítógépes látás | Számítógépes látás |
| Módszercsalád | Machine learning | Machine learning |
| Keletkezés éve≠ | 1990s | 1981 |
| Megalkotó≠ | David Scharstein and Richard Szeliski | Bruce Lucas and Takeo Kanade |
| Típus≠ | Depth estimation and 3D vision | Optical flow and tracking |
| Alapmű≠ | Scharstein, D., & Szeliski, R. (2002). A taxonomy and evaluation of dense two-frame stereo correspondence algorithms. International Journal of Computer Vision, 47(1), 7–42. DOI ↗ | Lucas, B. D., & Kanade, T. (1981). An iterative image registration technique with an application to stereo vision. Proceedings of the Seventh International Joint Conference on Artificial Intelligence (IJCAI), 674–679. link ↗ |
| Alternatív nevek | Stereo correspondence, Disparity estimation | Lucas-Kanade method, Sparse optical flow |
| Kapcsolódó | 5 | 5 |
| Összefoglaló≠ | Stereo matching is a computer vision technique for recovering depth information by finding corresponding points between a pair of stereo images (taken from slightly different viewpoints). By locating the same scene feature in both images and measuring the disparity (horizontal shift), stereo matching reconstructs 3D structure using the principles of triangulation. | The Lucas-Kanade method, introduced by Bruce Lucas and Takeo Kanade in 1981, is a foundational technique for estimating optical flow—the apparent motion of objects in image sequences. By computing pixel-level motion vectors, the Lucas-Kanade algorithm tracks feature displacements between consecutive frames, enabling object tracking, motion estimation, and video analysis. |
| ScholarGateAdatkészlet ↗ |
|
|