Ethan

我没有拿过realsense的图像，但是我想大概率是通过realsense的sdk获取原始图像的， https://github.com/IntelRealSense/librealsense/releases 这里可以下载，你们试试。 HilbertXu 于2021年1月15日周五 下午10:26写道： > 您好！ > 非常感谢您们出色的项目 > > 目前我们课题组也在使用realsense进行双目深度估计的工作，但是我们刚开始使用realsense相机，并不清楚应该如何拿到realsense左右相机的原始图像。请问您能告诉我们如何拿到原始的双目图像吗？ > 非常感谢！ > > — > You are receiving this because you are subscribed to this thread....

请参看https://github.com/ethan-li-coding/PatchMatchStereo/issues/11#issuecomment-1002564792 的回答

这个算法不应该拿来做光栅相位匹配，解相位是严格的数学推导，不需要立体匹配算法

子像素优化在视差计算时做的

> 换了项目自带的Reindeer之后，时间也是很慢很慢。。。 > 运行一百分钟之后，出结果了，和您首页报告的结果有极大的出入， 我并不知道是因为什么，因为我是直接下载代码，按照您说的引入了opencv 直接就运行起来了， 不知道为什么结果会如此的差，真诚的请教您！感谢您的回复！ >  > > 注：感谢博主指教，发现我第一次跑视差范围选的是0-64 应该选择0-128 ，目前再跑一遍看看能否达到主页精度~ 时间依然还是很慢。。 你这确实过分慢了，我想可能你的电脑性能不太好，我的台式机是i7-8700K，跑一张450*375是6分多钟

(1) if you are working with stereo camera, you should first calibrate your camera by tools, such as matlab and opencv, then rectifing. (2) if you jush have two images...

这个其实就是为了渲染而作的，把最大值最小值统计出来，再拉伸到0~255，代码里有的

并不推荐，这已经和聚合的理论背道而驰了，动态规划的原理已经被破坏，聚合是在找总代价和最小的那条路径，所以要累加

1. 可以GPU加速，原文就是以GPU算法来介绍的。能否实时计算要看你的计算性能、图像大小以及视差范围，建议在原文中查看它的实验设备和处理速度，然后按比例计算你的数据大概能够达到的水平，时间复杂度大约为O(WHD)。 2. 虽然效果有区分，但理论上视差精度不会有优劣之分，他们都是用同样的子像素方法，可能局部会由于处理算法的不适应性导致结果偏移，实际工程应用时建议去掉所有视差填充步骤，只保留一致性检查（AD-Census里叫OutDetection）。在本算法里将参数do_lr_check设置为true，do_filling设置为false。

1. 限于TX2的性能，还是SGM比较适合，这个算法速度可以加速到非常快，AD-Census相比SGM效果好一些，但是同样在TX2上实现效率可能会有两倍以上的差别。