aisuanfa

摘要： 1. 相机内参矩阵 2. 坐标转换公式 `` // 假设已知相机内参 float fx = ...; // 焦距x (像素) float fy = ...; // 焦距y (像素) float cx = ...; // 主点x (像素) float cy = ...; // 主点y (像素) if 阅读全文

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

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

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

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

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

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

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

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

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