Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο
Κουίζ Εκτίμησης Στερεοφωνικού Βάθους
Ελέγξτε πώς η γεωμετρία της στερεοφωνικής κάμερας, η αντιστοίχιση ανισοτήτων, οι όγκοι κόστους και η σύντηξη αισθητήρων συμβάλλουν σε αξιόπιστες τρισδιάστατες εκτιμήσεις βάθους.
Ερώτηση 1 του 8
Τι είναι η «ανισότητα» στη στερεοφωνική όραση;
Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις
Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.
- Τι είναι η «ανισότητα» στη στερεοφωνική όραση;
- Η οριζόντια μετατόπιση ενός σημείου αντιστοίχισης μεταξύ της αριστερής και της δεξιάς εικόνας
- Η διαφορά φωτεινότητας μεταξύ των δύο καμερών
- Η κάθετη απόσταση μεταξύ των δύο καμερών
- Η χρωματική αναντιστοιχία που προκαλείται από διαφορές φακών
- Πώς σχετίζεται το βάθος με την ανισότητα;
- Το βάθος είναι ευθέως ανάλογο με την ανισότητα
- Το βάθος είναι αντιστρόφως ανάλογο της ανισότητας
- Το βάθος ισούται με την ανισότητα επί τη γραμμή βάσης
- Το βάθος δεν σχετίζεται με την ανισότητα
- Γιατί οι εικόνες «διορθώνονται» πριν ταιριάζουν;
- Για να αυξήσετε την ανάλυση της εικόνας
- Για να αφαιρέσετε χρώμα από τις εικόνες
- Για να κάνετε τα αντίστοιχα σημεία, ξαπλώστε στην ίδια οριζόντια σειρά
- Για να θολώνετε κινούμενα αντικείμενα
- Ποιο σενάριο είναι πιο δύσκολο για στερεοφωνική αντιστοίχιση;
- Μια υπαίθρια σκηνή με πλούσια υφή
- Κοντινό πλάνο ενός χαλιού με σχέδια
- Μια σκηνή με δυνατά, ποικίλα άκρα
- Ένας κενός λευκός τοίχος χωρίς υφή
- Σε τι αναφέρεται η «βασική γραμμή»;
- Η φυσική απόσταση μεταξύ των δύο καμερών
- Το ελάχιστο ανιχνεύσιμο βάθος
- Χρόνος έκθεσης του πλαισίου αναφοράς
- Η χαμηλότερη φωτεινότητα στην εικόνα
- Τι είναι ο «όγκος κόστους» στα βαθιά στερεοφωνικά δίκτυα;
- Ένα μέτρο της χρήσης μνήμης GPU
- Μια τρισδιάστατη δομή που βαθμολογεί πόσο καλά ταιριάζουν τα χαρακτηριστικά σε κάθε υποψήφια διαφορά
- Το κόστος σε δολάρια του υλικού της κάμερας
- Μια λίστα κατηγοριών αντικειμένων που εντοπίστηκαν
- Why are depth estimates often noisier for faraway objects than nearby ones?
- Far objects always occupy more pixels than nearby objects
- Stereo depth is calculated from color saturation rather than disparity
- Far objects have small disparity, so a small disparity error can produce a larger depth error
- The camera baseline increases automatically with object distance
- What can LiDAR add when it is fused with stereo depth estimation?
- A replacement for all image data in every scene
- A guarantee that stereo estimates have no errors
- A way to remove the need for camera calibration
- An additional depth measurement that can help constrain stereo matching