ethan-li-coding / ad-census Goto Github PK

View Code? Open in Web Editor NEW

365.0 7.0 70.0 4.69 MB

AD-Census立体匹配算法，**学者Xing Mei等人研究成果（Respect！），算法效率高、效果出色，适合硬件加速，Intel RealSense D400 Stereo模块算法。完整实现，代码规范，注释清晰，欢迎star！

Home Page: https://github.com/ethan-li-coding/AD-Census

License: MIT License

C++ 100.00%

stereo ad-census stereo-vision stereo-matching depth-estimation census 3d-reconstruction ad

ad-census's Introduction

AD-Census

环境

windows10 / visual studio 2015&2019
代码基本没有使用系统api，你可以非常方便的移植到linux，可能需要做极少量的修改

第三方库

opencv310
百度网盘连接：https://pan.baidu.com/s/1_WD-KdPyDBazEIim7NU3jA
提取码：aab4

解压后放将名称为OpenCV的文件夹复制到到3rdparty文件夹下

若运行时提示缺少opencv_310(d).dll，则在OpenCV文件夹里找到对应的dll文件复制到程序exe所在的目录即可（Opencv\dll\opencv_310(d).dll），带d为debug库，不带d为release库。

为便于移植，算法是不依赖任何图像库的，只在算法实验部分调用opencv库读取和显示图像，也可替换成其他图像库

论文

Mei X , Sun X , Zhou M , et al. On building an accurate stereo matching system on graphics hardware[C]// IEEE International Conference on Computer Vision Workshops. IEEE, 2012.

Github图片不显示的解决办法

修改hosts

C:\Windows\System32\drivers\etc\hosts

在文件末尾添加：

# GitHub Start
192.30.253.119      gist.github.com
151.101.184.133     assets-cdn.github.com
151.101.184.133     raw.githubusercontent.com
151.101.184.133     gist.githubusercontent.com
151.101.184.133     cloud.githubusercontent.com
151.101.184.133     camo.githubusercontent.com
151.101.184.133     avatars0.githubusercontent.com
151.101.184.133     avatars1.githubusercontent.com
151.101.184.133     avatars2.githubusercontent.com
151.101.184.133     avatars3.githubusercontent.com
151.101.184.133     avatars4.githubusercontent.com
151.101.184.133     avatars5.githubusercontent.com
151.101.184.133     avatars6.githubusercontent.com
151.101.184.133     avatars7.githubusercontent.com
151.101.184.133     avatars8.githubusercontent.com
# GitHub End

ad-census's People

Contributors

Stargazers

Watchers

ad-census's Issues

点云生成

在自己采的数据上计算的视差图怎么转换成点云呢？不知道视差除以什么尺度才能转成正确的点云。至于点云的计算我在知乎看过您关于点云图深度图的转换，应该没问题，问题应该出现在视差的转换上。

AD-Census和SGM算法相比，采用GPU计算加速的效果哪个比较好？

你好，我最近在研究GPU上的立体匹配算法。使用一般的GTX的显卡作加速运算，想请问和SGM相比，AD-Census算法的GPU加速潜力怎么样。

你好同学，想问下有可以在GPU上跑的版本吗？现在仓库的版本好像只能在CPU上跑，想实现以下文章里面的GPU加速的效果~~~

基于相位得匹配

你好如果我想用此代码进行光栅条纹图解出绝对相位得匹配都需要进行那些改动？

请问如果需要的窗口大小超过了9x7应该怎么办？

我的项目中，原图片是3072x2048，9x7的窗口不能满足需求。
请问有什么办法让census使用超过9x7的窗口吗？

您好，我想请问一下这个方法和colmap里面基于patch的方法相比较是否有精度上的优势，谢谢~

关于生成的结果的测试问题

看了您的AD-Census以及PatchMatch这两个项目，想问下您有相关的测试代码嘛？因为我之前跑的是
https://github.com/WangHewei16/Stereo-Matching 这个项目中Tablecode中的测试Error_Non31这个测试代码，但是目前感觉有几个问题：1.想问下生成的这些各种各样的图片的对应关系，因为在
https://github.com/WangHewei16/Stereo-Matching
这个项目中，生成了许多的结果，比如生成了许多注入dispLR,dispBoth这样的图片。
您生成的是视差图，和我生成的视差图在使用测试代码的时候结果差异很大，比如这张图片是使用您的代码生成的结果以及他这个项目生成的结果对比，我用测试代码运行您的patchmatch得到的图片（view1.png-d.png），以及另一个项目得到的图片（203_dispLR_so.png）去分别测试做对比，结果发现您的图片得到的结果错误率为99%。
然而实际上肉眼可见您的方法生成的图片效果更好，是什么原因导致的这样的结果呢？是因为生成的图片的格式问题嘛？因为我看到您的方法生成的图片的灰度貌似看上去和他这个项目生成的图片灰度不一样2.可以把AD-Census以及PatchMatch两个算法取各自最优的部分结合起来，然后得到更好的测试结果吗？3.您有专门用来测试的更好的测试代码吗？谢谢！

Error for this code

What is the error for this code?

When I used the Middlebury evaluation SDK, I got a very high error of 85% if I set the bad threshold to 10. The AD-Census algorithm is run with the default disparity values. The final image generated is compared with the ground truth image present in the repo.

Upon increasing the threshold, the error decreases. However, this does not seem to be right. Because increasing the threshold means we are allowing a larger margin for error in the pixel values of the generated disparity and the ground truth disparity.

Is there some bug in the code or the method of evaluation needs to be changed? Can anyone help in this regard?