Gids-gekoppelde quiz · Middelmatig Niveau
Quiz voor schatting van stereodiepte
Bekijk hoe stereocamerageometrie, dispariteitsafstemming, kostenvolumes en sensorfusie bijdragen aan betrouwbare 3D-diepteschattingen.
Vraag 1 van 8
Wat is 'ongelijkheid' in stereovisie?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat is 'ongelijkheid' in stereovisie?
- De horizontale verschuiving van een matchingpunt tussen de linker- en rechterafbeelding
- Het helderheidsverschil tussen de twee camera's
- De verticale afstand tussen de twee camera's
- De kleurmismatch veroorzaakt door lensverschillen
- Hoe verhoudt diepte zich tot ongelijkheid?
- Diepte is recht evenredig met ongelijkheid
- Diepte is omgekeerd evenredig met ongelijkheid
- Diepte is gelijk aan ongelijkheid maal de basislijn
- Diepte heeft niets te maken met ongelijkheid
- Waarom worden afbeeldingen 'gerectificeerd' voordat ze matchen?
- Om de beeldresolutie te verhogen
- Om kleur uit de afbeeldingen te verwijderen
- Om overeenkomstige punten op dezelfde horizontale rij te laten liggen
- Om bewegende objecten onscherp te maken
- Welk scenario is het moeilijkst voor stereomatching?
- Een rijk gestructureerd buitentafereel
- Een close-up van een vloerkleed met patroon
- Een tafereel met sterke, gevarieerde randen
- Een lege witte muur zonder textuur
- Waarnaar verwijst de ‘basislijn’?
- De fysieke afstand tussen de twee camera's
- De minimaal detecteerbare diepte
- De belichtingstijd van het referentieframe
- De laagste helderheid in het beeld
- Wat is een 'kostenvolume' in diepe stereonetwerken?
- Een maatstaf voor het GPU-geheugengebruik
- Een 3D-structuur die aangeeft hoe goed de kenmerken overeenkomen bij elke kandidaat-ongelijkheid
- De dollarkosten van de camerahardware
- Een lijst met gedetecteerde objectcategorieën
- 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