Prueba de estimación de profundidad estéreo

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Qué es la "disparidad" en la visión estéreo?
   • El desplazamiento horizontal de un punto coincidente entre las imágenes izquierda y derecha.
   • La diferencia de brillo entre las dos cámaras.
   • La distancia vertical entre las dos cámaras.
   • La falta de coincidencia de color causada por diferencias de lentes
2. ¿Cómo se relaciona la profundidad con la disparidad?
   • La profundidad es directamente proporcional a la disparidad.
   • La profundidad es inversamente proporcional a la disparidad.
   • La profundidad es igual a la disparidad multiplicada por la línea de base
   • La profundidad no está relacionada con la disparidad
3. ¿Por qué se 'rectifican' las imágenes antes de emparejarlas?
   • Para aumentar la resolución de la imagen
   • Para eliminar el color de las imágenes.
   • Para hacer que los puntos correspondientes se encuentren en la misma fila horizontal
   • Para difuminar objetos en movimiento
4. ¿Qué escenario es más difícil para la coincidencia estéreo?
   • Una escena al aire libre ricamente texturizada
   • Un primer plano de una alfombra estampada.
   • Una escena con aristas fuertes y variadas
   • Una pared blanca y sin textura.
5. ¿A qué se refiere la “línea de base”?
   • La distancia física entre las dos cámaras.
   • La profundidad mínima detectable
   • El tiempo de exposición del marco de referencia.
   • El brillo más bajo de la imagen.
6. ¿Qué es un 'volumen de costos' en redes estéreo profundas?
   • Una medida del uso de la memoria de la GPU
   • Una estructura 3D que califica qué tan bien coinciden las características en cada disparidad de candidatos
   • El costo en dólares del hardware de la cámara.
   • Una lista de categorías de objetos detectados
7. 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
8. 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