摘要: 1. 距离权重 近距离点云噪声低,权重高;远距离点云可能因稀疏性降权。 2. 灰度权重 高反射区域(如金属、镜面)可能导致解码错误(过曝或饱和),权重降低。 低反射区域(如黑色物体)信号弱,噪声大,权重降低。 3. 匹配得分权重 左右相机匹配的相似度(如NCC、SAD分数)。低匹配得分的像素点深度可 阅读全文
posted @ 2025-07-11 18:31 aisuanfa 阅读(0) 评论(0) 推荐(0)
摘要: 上位机调用你的算法动态库接口,不属于回调(Callback),而是普通的函数调用。 回调是由被调用方(你的库)在特定条件下反向调用调用方(上位机)提供的函数,而这里的情况是上位机主动调用你的库接口,属于常规的同步调用流程。 关键区别: 普通函数调用(你的情况) 上位机(调用方)直接调用动态库中的接口 阅读全文
posted @ 2025-07-11 08:31 aisuanfa 阅读(0) 评论(0) 推荐(0)
摘要: 要获取左相机的外参矩阵 R(旋转矩阵)和 t(平移向量),即从世界坐标系到左相机坐标系的变换关系,需要通过 相机标定 和 手眼标定(如适用)来实现。以下是详细步骤和方法: 1. 相机标定获取内参和外参 (1) 单目标定(获取内参) 使用棋盘格或标定板进行单相机标定,获取左相机的 内参矩阵 K 和 畸 阅读全文
posted @ 2025-07-07 09:55 aisuanfa 阅读(13) 评论(0) 推荐(0)
摘要: 在OpenCV的stereoRectify函数中,输出的投影矩阵P1和P2将世界坐标系转换到了校正后的相机坐标系,具体来说是: 坐标系转换流程: 原始世界点 (X,Y,Z) 通过P1/P2 → 校正后的相机坐标系 (u,v,w) 关键特性: P1(左相机)和P2(右相机)是3×4投影矩阵 它们已经包 阅读全文
posted @ 2025-07-07 09:28 aisuanfa 阅读(3) 评论(0) 推荐(0)
摘要: 在结构光三维重建或立体视觉系统中,Q矩阵(重投影矩阵,Reprojection Matrix)是一个关键的 4×4 矩阵,用于将 二维图像坐标 + 视差(disparity) 转换为 三维世界坐标。它由相机标定(Stereo Rectification)过程生成,包含了双目系统的几何关系和相机参数。 阅读全文
posted @ 2025-06-25 15:58 aisuanfa 阅读(19) 评论(0) 推荐(0)
摘要: 使用 nvidia-smi dmon -i 0 实时观察每毫秒的SM活跃率: gpu sm mem enc dec 0 100% 50% 0% 0% # SM利用率100%表示计算单元满载 阅读全文
posted @ 2025-06-24 10:11 aisuanfa 阅读(3) 评论(0) 推荐(0)
摘要: cv::Mat corrected_img(height_, width_, CV_32FC3); CUDA_CHECK(cudaMemcpyAsync( corrected_img.data, d_corrected, 3 * width_ * height_ * sizeof(float), c 阅读全文
posted @ 2025-06-24 08:46 aisuanfa 阅读(2) 评论(0) 推荐(0)
摘要: 对于镜面反射严重的物体(如金属、玻璃、光滑塑料等),相机拍摄时容易出现局部过暗或过曝的问题。这是因为镜面反射会将大部分光线集中反射到特定角度,而其他角度接收到的光线极少,导致动态范围不足。以下是提升感光能力和改善成像效果的几种方法: 1. 优化光照条件 (1) 使用漫射光源 柔光箱/散射板:将直射光 阅读全文
posted @ 2025-06-14 10:51 aisuanfa 阅读(27) 评论(0) 推荐(0)
摘要: 以下是针对高反光场景优化的 三频三步相移+补充编码方案,通过添加反码/差分图案抑制饱和区域误差,同时保持多频外差的鲁棒性。方案分为 投影图案设计 和 解码算法 两部分: 一、投影图案设计方案(共12张图) 在原三频三步相移(9图)基础上,补充3类编码图案,抑制高反光影响: 原始三频三步相移(9图) 阅读全文
posted @ 2025-06-11 17:59 aisuanfa 阅读(8) 评论(0) 推荐(0)
摘要: 在相移条纹投影三维测量中,背景光强 ( A ) 和调制光强 ( B ) 是生成正弦条纹的两个核心参数,其作用和调节方法如下: 一、参数作用 背景光强 ( A ) 物理意义:表示条纹图像的平均亮度(直流分量),即环境光或基底亮度。 影响: 过小(接近0)会导致条纹对比度过高,可能超出相机动态范围; 过 阅读全文
posted @ 2025-06-11 07:40 aisuanfa 阅读(16) 评论(0) 推荐(0)