我有一对立体声，想创建一个视差图 . 但是，两个图像之间的转换并不是简单地从左到右或上下，而是两者的某种组合 . 我试图在Open CV Python中使用StereoBM函数，但结果在图像上有黑色和白色的对角线 . 我的问题是，是否可以使用视差在对角线方向上的两个图像来计算视差图，或者是否需要旋转图像以使此功能起作用？
编辑：在阅读下面的答案，并做了一些研究后，我决定尝试使用stereoRectifyUncalibrated函数 . 我首先使用SURF在第一张图像中找到关键点，然后对第二张图像重复此操作 . 然后我使用基于FLANN的匹配器匹配点，并删除异常值 . 然后我使用findFundamentalMat函数找到基本垫，然后我调用stereoRectifyUncalibrated . 但是，我得到一个错误，开头如下：（ - 215）CV_IS_MAT（_points1）&& CV_IS_MAT（_points2）&&（_points1-> rows == 1 || _points1-> cols == 1）&& ...
我确保所有内容的数据类型相同，并且每个点数组都是相同的维度 . 我把我的代码的一部分放在下面使用stereoRectifyUncalibrated的地方 .
#Detect feature points with SURF
detector = cv2.SURF()
kp1, desc1 = detector.detectAndCompute(img1, None)
kp2, desc2 = detector.detectAndCompute(img2, None)
#Match Points
FLANN_INDEX_KDTREE = 1 # bug: flann enums are missing
flann_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
matcher = cv2.FlannBasedMatcher(flann_params, {})
matches = matcher.knnMatch(desc1, trainDescriptors = desc2, k=2)
mkp1, mkp2 = [], []
ratio = 0.75
for m in matches:
if len(m) == 2 and m[0].distance < m[1].distance * ratio:
m = m[0]
mkp1.append( kp1[m.queryIdx] )
mkp2.append( kp2[m.trainIdx] )
np.float32([kp.pt for kp in mkp1])
p1 = np.float32([kp.pt for kp in mkp1])
p2 = np.float32([kp.pt for kp in mkp2])
kp_pairs = zip(mkp1, mkp2)
H, status = cv2.findHomography(p1, p2, cv2.RANSAC, 5.0)
print '%d / %d inliers/matched' % (np.sum(status), len(status))
statusmat = np.zeros((max(status.shape),2),dtype = np.float64)
statusmat[:,0] = status[:,0]
statusmat[:,1] = status[:,0]
status = np.array(status, dtype=bool)
p1f=p1[status.view(np.ndarray).ravel()==1,:] #Remove Outliers
p2f=p2[status.view(np.ndarray).ravel()==1,:] #Remove Outliers
#Attempt to rectify using stereoRectifyUncalibrated
fundmat, mask = cv2.findFundamentalMat(p1f,p2f,cv2.RANSAC,3,0.99,)
rectmat1, rectmat2 = cv2.stereoRectifyUncalibrated(p1f,p2f,fundmat,imgsize)
谢谢你到目前为止的答案！
1 回答
似乎这个函数stereoRectifyUncalibrated采用行或列向量，而不是n x 2矩阵 . 输出似乎有3个元素