Kuis terkait panduan · Sedang Tingkat
Kuis Estimasi Kedalaman Stereo
Periksa bagaimana geometri kamera stereo, pencocokan disparitas, volume biaya, dan fusi sensor berkontribusi pada perkiraan kedalaman 3D yang andal.
Pertanyaan 1 dari 8
Apa yang dimaksud dengan 'disparitas' dalam penglihatan stereo?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa yang dimaksud dengan 'disparitas' dalam penglihatan stereo?
- Pergeseran horizontal titik yang cocok antara gambar kiri dan kanan
- Perbedaan kecerahan antara kedua kamera
- Jarak vertikal antara kedua kamera
- Ketidakcocokan warna disebabkan oleh perbedaan lensa
- Bagaimana kedalaman berhubungan dengan disparitas?
- Kedalaman berbanding lurus dengan disparitas
- Kedalaman berbanding terbalik dengan disparitas
- Kedalamannya sama dengan disparitas dikali garis dasar
- Kedalaman tidak berhubungan dengan disparitas
- Mengapa gambar 'diperbaiki' sebelum dicocokkan?
- Untuk meningkatkan resolusi gambar
- Untuk menghilangkan warna pada gambar
- Untuk membuat titik-titik yang bersesuaian terletak pada baris horizontal yang sama
- Untuk mengaburkan objek bergerak
- Skenario manakah yang paling sulit untuk pencocokan stereo?
- Pemandangan luar ruangan yang bertekstur kaya
- Tampilan dekat dari permadani bermotif
- Pemandangan dengan tepian yang kuat dan bervariasi
- Dinding putih kosong tanpa tekstur
- Apa yang dimaksud dengan 'garis dasar'?
- Jarak fisik antara kedua kamera
- Kedalaman minimum yang dapat dideteksi
- Waktu pemaparan bingkai referensi
- Kecerahan terendah pada gambar
- Apa yang dimaksud dengan 'volume biaya' dalam jaringan stereo dalam?
- Ukuran penggunaan memori GPU
- Struktur 3D yang menilai seberapa cocok fitur pada setiap perbedaan kandidat
- Biaya dolar untuk perangkat keras kamera
- Daftar kategori objek yang terdeteksi
- 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