加载中...
文章
6
标签
18
分类
4
首页
归档
标签
分类
关于
模式
布局
TakamiyaMioo's Blog
迭代构建代价体
返回首页
搜索
首页
归档
标签
分类
关于
模式
布局
迭代构建代价体
发表于
2026-03-24
|
更新于
2026-03-24
|
浏览量:
文章作者:
TakamiyaMioo (Zhao Haoyu)
文章链接:
https://haoyu123.top/2026/03/24/%E8%BF%AD%E4%BB%A3%E6%9E%84%E5%BB%BA%E4%BB%A3%E4%BB%B7%E4%BD%93/
版权声明:
本博客所有文章除特别声明外，均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
TakamiyaMioo's Blog
！
下一篇
双目相机立体匹配-stereo matching
[TOC] 预备知识最近在学习CV相关的双目相机立体匹配Stereo Matching，本文是关于GwcNet的一些学习和思考。开始之前，先需要理解几个概念：视差、双目相机匹配、代价体。 RGB像素图像由像素组成，一张 1920x1080 分辨率的屏幕就代表有1920x1080个像素。RGB代表光的三原色。R=Red，G=Green，B=Blue。这三种颜色通过不同的亮度组合可以形成各种颜色。计算机给每种颜色的亮度划分了 0 ~ 255 共 256 个等级。 可以计算出，三种原色，256种亮度，可以组合出$256^3≈1677万$中颜色。 每一个彩色图像的像素点都由红、绿、蓝三个发光的子像素（Sub-pixels，可以理解为三个微型 LED 灯）紧挨着组成的，可以看成一个三维向量：(R, G, B)，比如 (255, 0, 0) 代表纯红。这是原始像素。 像素的高维特征向量一个图像有1024个像素，理论上特征向量也有1024个，一一对应，相当于给每一个像素发一张“高维身份证”。但在工程上，使用 CNN 提取高维特征向量十分消耗显存，如果像素和特征向量 1:1 很容易爆显存。 所以...
TakamiyaMioo (Zhao Haoyu)
HUST EIC
文章
6
标签
18
分类
4
Follow Me
公告
This is my Blog
最新文章
迭代构建代价体
2026-03-24
双目相机立体匹配-stereo matching
2026-03-23
降维打击失败录：用现代 Ubuntu 编译上古 GCC 4.9.4 的排坑指南
2026-03-21
科研利器：文献管理工具 Zotero 进阶折腾指南与 AI 工作流
2026-03-18
让 Agent 自动发博客 & github一些常见网络问题
2026-03-17
搜索
数据加载中
