Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Sztereó illesztés× | Sablonillesztés× | |
|---|---|---|
| Tudományterület | Számítógépes látás | Számítógépes látás |
| Módszercsalád | Machine learning | Machine learning |
| Keletkezés éve≠ | 1990s | 1980s |
| Megalkotó≠ | David Scharstein and Richard Szeliski | Computer vision community |
| Típus≠ | Depth estimation and 3D vision | Pattern matching and detection |
| 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 ↗ | Lewis, J. P. (2004). Fast normalized cross-correlation. Vision Interface, 120–123. link ↗ |
| Alternatív nevek | Stereo correspondence, Disparity estimation | Correlation-based matching, Similarity matching |
| 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. | Template matching is a straightforward technique for locating a known pattern (template) within a larger image. By sliding a template image across the target image and computing a similarity measure at each position, template matching identifies locations where the template appears. It is effective for simple object detection when templates are well-defined and appearance variation is limited. |
| ScholarGateAdatkészlet ↗ |
|
|