Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący szacowania głębi stereo

Sprawdź, jak geometria kamery stereo, dopasowanie rozbieżności, wielkość kosztów i połączenie czujników przyczyniają się do wiarygodnych szacunków głębokości 3D.

Powiązane ścieżki prowadząceSzacowanie głębokości stereo
Pytanie 1 z 8

Czym jest „rozbieżność” w widzeniu stereoskopowym?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Czym jest „rozbieżność” w widzeniu stereoskopowym?
    • Poziome przesunięcie punktu dopasowania między lewym i prawym obrazem
    • Różnica jasności pomiędzy dwoma aparatami
    • Odległość pionowa między dwiema kamerami
    • Niedopasowanie kolorów spowodowane różnicami obiektywów
  2. Jak głębokość wiąże się z różnicą?
    • Głębokość jest wprost proporcjonalna do rozbieżności
    • Głębokość jest odwrotnie proporcjonalna do rozbieżności
    • Głębokość równa się rozbieżności razy linii bazowej
    • Głębokość nie ma związku z różnicą
  3. Dlaczego obrazy są „poprawiane” przed dopasowaniem?
    • Aby zwiększyć rozdzielczość obrazu
    • Aby usunąć kolor z obrazów
    • Aby odpowiednie punkty leżały w tym samym poziomym rzędzie
    • Aby rozmyć poruszające się obiekty
  4. Który scenariusz jest najtrudniejszy w przypadku dopasowania stereo?
    • Scena plenerowa o bogatej fakturze
    • Zbliżenie na wzorzysty dywan
    • Scena o mocnych, różnorodnych krawędziach
    • Pusta biała ściana bez tekstury
  5. Do czego odnosi się „punkt bazowy”?
    • Fizyczna odległość między dwiema kamerami
    • Minimalna wykrywalna głębokość
    • Czas ekspozycji klatki odniesienia
    • Najniższa jasność obrazu
  6. Co to jest „wielkość kosztów” w głębokich sieciach stereo?
    • Miara wykorzystania pamięci GPU
    • Struktura 3D oceniająca dopasowanie funkcji przy każdej rozbieżności kandydatów
    • Koszt sprzętu aparatu w dolarach
    • Lista kategorii wykrytych obiektów
  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