Test legat de ghid · Mediu Nivel
Test de estimare a adâncimii stereo
Verificați modul în care geometria camerei stereo, potrivirea disparităților, volumele costurilor și fuziunea senzorilor contribuie la estimări fiabile de adâncime 3D.
Întrebare 1 de 8
Ce este „disparitatea” în viziunea stereo?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- Ce este „disparitatea” în viziunea stereo?
- Deplasarea orizontală a unui punct de potrivire între imaginile din stânga și din dreapta
- Diferența de luminozitate dintre cele două camere
- Distanța verticală dintre cele două camere
- Nepotrivirea culorilor cauzată de diferențele dintre lentile
- Cum se leagă profunzimea de disparitate?
- Adâncimea este direct proporțională cu disparitatea
- Adâncimea este invers proporțională cu disparitatea
- Adâncimea este egală cu disparitatea înmulțită cu linia de bază
- Adâncimea nu are legătură cu disparitatea
- De ce sunt „rectificate” imaginile înainte de a se potrivi?
- Pentru a crește rezoluția imaginii
- Pentru a elimina culoarea din imagini
- Pentru a face punctele corespunzătoare se află pe același rând orizontal
- Pentru a estompa obiectele în mișcare
- Care scenariu este cel mai greu pentru potrivirea stereo?
- O scenă în aer liber bogat texturată
- Un prim plan al unui covor cu model
- O scenă cu margini puternice, variate
- Un perete alb gol, fără textură
- La ce se referă „linia de bază”?
- Distanța fizică dintre cele două camere
- Adâncimea minimă detectabilă
- Timpul de expunere al cadrului de referință
- Cea mai scăzută luminozitate din imagine
- Ce este un „volum de cost” în rețelele stereo profunde?
- O măsură a utilizării memoriei GPU
- O structură 3D care notează cât de bine se potrivesc caracteristicile la fiecare disparitate de candidat
- Costul în dolari al hardware-ului camerei
- O listă cu categoriile de obiecte detectate
- 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