[jī xiàn cháng dù]
base length
石油词汇英语翻译(B7篇)1[1] ...
base gel solution 成胶剂基液
base length 基线长度
base level peneplain 基面准平原 ...
基于44个网页-
length of base
测量学专业词汇英语翻译（八） ...
基线长度 base length
基线长度 length of base
基线场 base site ...
基于5个网页-
baseline length
基于1个网页-
length rates of baseline
changing rates of baselines length
changing rate of baseline length
effective base length
baseline length constraint
length standards
更多收起网络短语
baseline length
- 引用次数：9
The relationship between the accuracy of attitude parameters and baseline length as wellas relative dilution of precision are derived. The impact of the stand-alone position on accuracy of relative position is also analyzed.
姿态参数通常采用直接计算方法得出，通过对姿态参数的精度分析，得出了姿态测量精度同基线长度和相对精度因子的关系，分析了姿态测量系统中单点定位对相对定位精度的影响。
参考来源 -
base length
base length
base length
&2,447,543篇论文数据，部分数据来源于
为了把基线长度和姿态的误差引入轨道空间位置，提出了相应的数学模型。
In order to introduce the errors of the baseline length and attitude into orbital position, we propose the corresponding mathematical model.
运用基线长度检验、模糊度整数约束和残差检验等方法，对模糊度搜索空间中的解集进行检验可得到模糊度真实解。
Then use the restrictions, such as length of baseline or integrity of ambiguity or RATIO inspection , to examine the solution of search space.
给出了基于声波到达方位（BOL）的双基地声呐定位算法，分别研究了基线长度和角度测量误差等因素对该算法定位精度的影响。
In this paper, the Bear Only Localization(BOL)algorithm for bistatic sonar is presented. The localization accuracy of the algorithm for different baseline length and bear measurement error is studied.
基线长度 base length 指测距仪两窗孔的间隔长度。基线长度愈长，说明测距仪的精确度愈好。
以上来源于：
$firstVoiceSent
- 来自原声例句
请问您想要如何调整此模块？
感谢您的反馈，我们会尽快进行适当修改！
请问您想要如何调整此模块？
感谢您的反馈，我们会尽快进行适当修改！第十一章深度图；获取场景中各点相对于摄像机的距离是计算机视觉系统；11.1立体成像；最基本的双目立体几何关系如图11.1(a)所示，；在图11.1中，场景点P在左、右图像平面中的投影；同理,从相似三角形PMC1和P1LC1,可得到下；其中F是焦距,B是基线距离；因此，各种场景点的深度恢复可以通过计算视差来实现；①??随着基线距离的增加，两个摄像机的共同的可视
获取场景中各点相对于摄像机的距离是计算机视觉系统的重要任务之一.场景中各点相对于摄像机的距离可以用深度图（depth map)来表示，即深度图中的每一个象素值表示场景中某一点与摄像机之间的距离.机器视觉系统获取场景深度图技术可分为被动测距传感和主动测距传感两大类.被动测距传感是指视觉系统接收来自场景发射或反射的光能量，形成有关场景光能量分布函数（即灰度图像），然后在这些图像的基础上恢复场景的深度信息.最一般的方法是使用两个相隔一定距离的摄像机同时获取场景图像来生成深度图.与此方法相类似的另一种方法是一个摄像机在不同空间位置上获取两幅或两幅以上图像，通过多幅图像的灰度信息和成像几何来牛成深度图.深度信息还可以使用灰度图像的明暗特征、纹理特征、运动特征间接地估算，主动测距传感是指视觉系统首先向场景发射能量，然后接收场景对所发射能量的反射能量.主动测距传感系统也称为测距成像系统（rangefinder).雷达y距系统和三角测距系统是两种最常用的两种主动测距传感系统.因此，主动测距传感和被动测距传感的主要区别在于视觉系统是否是通过增收自身发射的能量来测距.另外，我们还接触过两个概念：主动视觉和被动视觉.主动视觉是一种理论框架，与主动测距传感完全是两回事.主动视觉主要是研究通过主动地控制摄像机位置、方向、焦距、缩放、光圈、聚散度等参数，或广义地说，通过视觉和行为的结合来获得稳定的、实时的感知.我们将在最后一节介绍主动视觉.
11.1 立体成像
最基本的双目立体几何关系如图11.1(a)所示，它是由两个完全相同的摄像机构成， 两个图像平面位于一个平面上，两个摄像机的坐标轴相互平行，且x轴重合，摄像机之间在x方向上的间距为基线距离在这个模型中，场景中同一个特征点在两个摄像机图像平面上的成像位置是不同的.我们将场景中同一点在两个不同图像中的投影点称为共轭对,其中的一个投影点是另一个投影点的对应(correspondence),求共轭对就是求解对应性问题,两幅图像重叠时的共轭对之间的位置之差（共轭对点之间的距离）称差（disparity） ;通过两个摄像机中心和场景特征点的平面称为外极（epipolar）平面，外极平面面的交线称为外极线；同一图像平面上的所有外极线交于一点，该点称为外极点.
在图11.1中，场景点P在左、右图像平面中的投影点分为P1和P2.不失一般性，假设坐标系原点与左透镜中心重合.比较相似三角形PMC1和P1LC1,可得到下式
同理,从相似三角形PMC1和P1LC1,可得到下式
其中F是焦距,B是基线距离。
因此，各种场景点的深度恢复可以通过计算视差来实现。注意，由于数字图像的离散特性，视差值是一个整数，在实际中，可以使用一些特殊算法使视差计算精度达到子象素级。因此，对于一组给定的摄像机参数，提高场景点深度计算精度的有效途径是增长基线距离B，即增大场景点对应的视差，然而这种大角度立体方法也带来了一些问题，主要的问题有
①?? 随着基线距离的增加，两个摄像机的共同的可视范围减小；
②?? 场景点对应的视差值增大，则搜索对应点的范围增大，出现多义性的机会就增大；
③?? 由于透视投影引起的变形导致两个摄像机获取的两幅图像中不完全相同，这就给确定共轭
对带来了困难。
在图11.1中，左(右）图像中的每个特征点都位于右（左）图像中相同标号的行中，即外极线与图像行重合.在实际中，两条外极线不一定完全与图像行重合，即垂直视差不为零.但为了简单起见,双目立体算法中的许多算法都假设垂直视差为零.
在实际应用中经常遇到的情况是两个摄像机的光轴不平行，比如，在某些系统中，调节两个摄像机的位置和姿态，使得它们的光轴在空间中相交在某一点，如图11.2所示，在这种情况下,视差与光轴交角有关.对于任意一个光轴交角，在空间中总存在一个视差为零的表面.比这一表面远的物体，其视差大于零；反之，比这一表面近的物体，其视差小于零.因此，在一个空间区域中，其视差可被划分为三组：
这三组视差可用于解决匹配不确定问题。
立体成像的最一般情况是一个运动摄像机连续获取场景图像，形成立体图像序列，或间隔一定距离的两个摄像机同时获取场景图像，形成立体图像对.图11.3所示的是处于任意位置和方位的两个摄像机，对应于某一场景点的两个图像点位于外极线上.这两幅图像也可以是一个摄像机由一点运动到另一点获取这两幅图像.即使两个摄像机处于一般 的位置和方位时，对应场景点的两个图像点仍然位于图像平面和外极平面的交线（外极 线)上.由图不难看出，外极线没有对应图像的某一行.
11.2 立体匹配
立体成像系统的一个不言而喻的假设是能够找到立体图像对中的共轭对，即能够求解对应问题.然而，对于实际的立体图像对，求解对应问}极富有挑战性，可以说是立体视觉最困难的一步.为了求解对应，人们已经建立了许多约束来减少对应点误匹配，并最终得到正确的对应.下面我们将讨论几个最基本的约束,然后讨论边缘特征和区域特征在立体匹配中的应用.
1.外极线约束
对于两幅从不同角度获取的同一场景的图像来说，传统的特征点搜索方法是首先在一幅图像上选择一个特征点，然后在第二幅图像上搜索对应的特征点.显然，这是一个二维搜索问}.根据透视投影成像几何原理，一幅图像上的特征点一定位于另一幅图像上对应的外极线上.因此，只要求得外极线,则在外极线上而不是在二维图像平面上求解对应问题，这是一个一维搜索问}.如果已知目标与摄像机之间的距离在某一区间内，则搜索范围可以限制在外极线上的一个很小区间内，如图11.4所示.所以，利用外极线约束可以大大地缩小寻找对应点的搜索空间，这样既可以提高特征点搜索速度，也可以减少误匹配点的数置(范围越小,包含误匹配点的可能性越小）.请注意，由于摄像机位置及其方向的测置误差和不确定性，匹配点可能不会准确地出现在图像平面中对应的外极线上;在这种情况下，有必要在外极线的一个小邻域内进行搜索
2.一致性约束
立体视觉通常由两个或两个以上摄像机组成，各摄像机的特性一般是不同的.这样, 场景中对应点处的光强可能相差太大，直接进行相似性匹配，得到的匹配值变化太大.因
3.唯一性约束
一般情况下，一幅图像(左或右）上的每一个特征点只能与另一幅图像上的唯一个特征对应.
4.连续性约束
物体表面一般都是光滑的，因此物体表面上各点在图像上的投影也是连续的，它们的视差也是连续的.比如，物体上非常接近的两点，其视差也十分接近，因为其深度值不会相差很大.在物体边界处，连续性约束不能成立，比如，在边界处两侧的两个点，其视差十分接近，但深度值相差很大. 11.2.2边缘匹配
本算法使用的边缘特征是通过高斯函数的一阶导数获得的.在有噪声的情况下，使用高斯梯度来计算边缘更加稳定.使用边缘匹配的立体算法的步骤如下：
① 用四个不同宽度的高斯滤波器对立体图像对中的每一幅图像进行滤波，其中前一次滤波的宽度是下一次滤波器宽度的两倍.这一计算可以反复通过对最小的滤波器进行卷积来有效地实现(见
5.3.2节）.
② 在某一行上计算各边缘的位置.
③ 通过比较边缘的方向和强度粗略地进行边缘匹配.显然，水平边缘是无法进行匹配的. ④ 通过在精细尺度上进行匹配，可以得到精细的视差估计.
11.2.3区域相关性
尽管边缘特征是图像的基本特征，而且边缘检测算法也十分成熟，但边缘特征往往对应着物体的边界.物体边界的深度值一般是不确定的，它可以是（前景）物体封闭边缘的深度距离和背景点深度距离之间的任一值.特别是曲面物体，其封闭边缘是物体的轮廓影像边缘，在两幅图像平面中观察到的轮廓影像边缘与真实的物体边缘不是对应的.但图像平面的强边缘只能沿着这样的封闭.边缘才能检测到，除非物体有其它的高对比度的非封闭边缘或其它特征.这样，恢复深度的基本问题之一是识别分布于整幅图像中的更多的特征点，并作为候选对应点.还有许多用于寻找对应点潜在特征的方法，其中的一种方法是在立体图像对中识别兴趣点（interesting point)，而后使用区域相关法来匹配两幅图像中相对应的点.下面讨论区域中兴趣点的检测.
两幅图像中用于匹配的点应尽可能容易地被识别和匹配.显而易见，一个均匀区域中的点是不适合作为候选匹配点，所以兴趣算子应在图像中寻找具有很大变化的区域.一般认为图像中有足够多相互分离的区域可以用于匹配.
在以某一点为中心的窗函数中，使用窗内所有象素来计算其在不同方向上的变化量，是该点在不同方向上显著性的一个好测度.方向变化量的计算公式如下
其中S表示窗函数中的所有象素.典型窗函数尺寸从5×5到11 ×11的范围.因为简单的边缘点在边缘方向上无变化，所以，选择上述方向变的最小值为中心象素点的兴趣值，可以消除边缘点.否则，在第一幅图像中的边缘点可能与第二幅图像中沿着同一条边缘的所有象素相匹配，由此使得准确计算视差变得十分困难(特别是当边缘是沿着外极线时更是如此）.兴趣点选择标准为
最后，为了避免将多个相邻点选为同一个特征对应的兴趣点，可以将特征点选在兴趣测度函数具有局部最大值的地方.一个点被认为是一个“好”的好兴趣点，则对应的局部最大值一定大于原先设定的阈值.
一旦在两幅图像中确定特征后，则可以使用许多不同方法进行特征匹配.一种简单的方法是计算一幅图像以某一特征点为中心的一个小窗函数内的象素与另一幅图像中各个潜在对应特征点中心的同样的小窗函数的象素之间的相关值.具有最大相关值的特征就是匹配特征.很明显，只有满足外极线约束的点才能是匹配点.考虑到垂直视差的存在，应将外极线邻近的特征点也包括在潜在的匹配特征集中.
考虑两幅图像f1和f2.设待匹配的候选特征点对的视差为（dx，dy)，则以特征点为中心的区域之间相似性y度可由相关系数r（dx，dy)定义为
这里的f1和f2是被匹配的两个区域中的所有象素灰度平均值式符号是在以特征点为中心的小窗函数中的所有象素上进行的.
在式（11.9)中,在每一个象素上使用阈值化处理后的具有正负符号的梯度幅值，而不是图像灰度值，可以改善相关性的计算精度.这可以通过下列过程来实现:计算未平滑两幅图像中的每个象素的梯度幅值，然后使用两个阈值，一个大于0,另一个小于0,将这些值映射到三值空间（-1,0,1).这样图像就被转换为波浪起伏阵列，可以产生更灵敏的相关值.如果使用上述方法，则无需在相关性计算公式中包括规范项，r（dx，dy)可以简化为相对应的象素值的乘积之和.
11.2.4讨论
在大多数情况中，相互靠近的特征点其对应的场景点深度也是十分靠近的.这种启发式方法来源于迭代式松弛方法，我们将在14.1.3节对这种方法进行介绍.
我们注意到，基于特征的立体匹配算法产生对应于图像特征.点的场景稀疏深度图.在稀疏深度图上进行表面内插或逼近运算，可以重建一个表面，这部分内容将在第13章讨论.
立体重建过程的主要难题之一是选择兴趣点.一种典型的兴趣点选择方法是基于灰度值的局部最大变化量.但是，这些点经常出现在拐角处或不满足平滑约束条件的表面不连续处.在一些机器视觉应用中，这个问题是通过使用结构光来解决的.将模式图投影到表面上来产生兴趣点，并可使区域变得光滑(见下一节内容）.
最后要说明的是，从图像象素集合中选择用于求解共轭对的象素子集意味着仅仅能恢复这些象素对应的特征点深度.要想得到其它点的深度值，必须通过使用有关计算方法来估算，如内插值技术.
关于立体区配算法的经典论文和著作有许许多多。著名的Mair*Poggio~Gmnison双目立体匹配算法见[Grimson 198)，Mair 1982],基于射影几何的立体视觉匹配见[Faugeras 1993],使用迭代计算进行视差分析的算法见[Barnard 1980],使用特征兴趣点求解对应性问题的方法见[Moravec 1977].
11.3多基线立体成像
一幅图像上的每一个特征点只能与另一幅图像上的唯一一个特征点对应，通常将这一性质称为特征的唯一性约束.在实际中，由于大多数特征点不是十分明显，特别是重复纹理的出现，常常会产生对应多义性（ambiguity),即一幅图像上的一个特征点对应另一幅图像的若干个对应点,其中的一个点可能是真正的对应点，而其它点是假对应点.消除对应点多义性的一种有效方法是采用多基线立体成像方法[Okutomi 1993],如图11.5所示
三亿文库包含各类专业文献、生活休闲娱乐、中学教育、应用写作文书、各类资格考试、幼儿教育、小学教育、高等教育、91第十一章
深度图等内容。　
　第十一章 深度图 获取场景中各点相对于摄象机的距离是计算机视觉系统的重要任务之一. 场景中各点相 对于摄象机的距离可以用深度图(Depth Map)来表示,即深度图中... 　基于特征的立体匹配算法产生对应 于图像特征点的场景稀疏深度图. 在稀疏深度图上进行表面内插或逼 近运算,可以重建一个表面,这部分内容将在第 13 章讨论. 立体重... 　第十一章_深度图_信息与通信_工程科技_专业资料。关于深度图像概念原理的介绍 中国 KINECT 体感社区 第十一章 深度图 来源: http://www... 　第十一章 深度图 获取场景中各点相对于摄象机的距离是计算机视觉系统的重要任务之一. 场景中各点相 对于摄象机的距离可以用深度图(Depth Map)来表示,即深度图中... 　第十一章 三角形知识结构图 与三角形有关的线段 三角形的边:三角形的两边之和大于第三边,两边之差小于第三边 定义:从三角形的一个顶点向它所对的边所在的... 　第十一章机械制图基础 第六节视图的尺寸标注 在机械图样(包括技术要求和其他说明...A.尺寸线用细实线绘制,其他任何图线不能用作尺寸线 B.尺寸线用粗实线绘制,... 　图​形​的​运​动​复​习​题第十一章 图形的运动复习一、 【基础知识梳理】 1. 图形运动指图形的___、___、___三种运动.图形经过这三种基... 　第十一章 热力学参数状态图 §11-1 化合物生成自由能 ? F ? 对 T 关系图 第一章图 1-1 提供了氧化物的生成自 由能 ? F ? 的关系图(Ellingham [1]...眼科类/立体视觉
正常值假如被测试者的立体视功能正常，就能迅速而正确地找出这幅图案，以此确定其立体视敏度为多少秒，正常为100s，此检测的优点是不需戴非凡眼镜，能很快地查出被检者有无立体视觉。临床意义异常结果：眼球震动，斜视，对眼，看东西歪头眯眼，没有立体感，眼手协调差。 需要检查的人群：立体视觉缺失(立体盲)。注意事项不合宜人群：没有特殊说明。 检查前禁忌：发现这种现象，切忌拖延。 检查时要求：注意定向方向。检查过程通常可用：(1) 同视机检查：可检查双眼视功能，包括同时视、融像、立体视三级视功能。检查立体视觉时需用立体视画片。可根据同视机检查说明进行，得出结果后加以判定。(2) 立体视觉检查器：由三块厚薄不同的测验板组成，每块板印有四幅随意网络结构图案，其中一幅图案的中间是凸出来的(从另一面看是凹进去的)。相关疾病副肿瘤性斜视性眼肌阵挛-肌阵挛，婴幼儿型内斜视，微小度数斜视，反向斜视，急性共同性斜视，周期性内斜视，固定性斜视，原发性共同性内斜视，原发性非调节性内斜视，间歇性外斜视相关症状斜视性弱视，斜视
计算机/立体视觉
研究方法一般而言，立体视觉的研究有如下三类方法:(1) 直接利用测距器（如激光测距仪）获得程距（range data）信息，建立三维描述的方法;(2) 仅利用一幅图象所提供的信息推断三维形状的方法;(3) 利用不同视点上的，也许是不同时间拍摄的，两幅或更多幅图象提供的信息重构三维结构的方法。第一类方法，也就是程距法 (range data method)，根据已知的深度图，用数值逼近的方法重建表面信息，根据模型建立场景中的物体描述，实现图象理解功能。这是一种主动方式的立体视觉方法，其深度图是由测距器(range finders)获得的，如结构光(structured light)、激光测距器(laser range finders) 等其他主动传感技术 (active sensing techniques)。这类方法适用于严格控制下的环境(tightlycontrolled domains)，如工业自动化的应用方面。第二类方法，依据光学成象的透视原理及统计假设，根据场景中灰度变化导出物体轮廓及表面，由影到形(shape from shading)，从而推断场景中的物体。线条图的理解就是这样的一个典型问题，曾经引起了普遍的重视而成为计算机视觉研究领域的一个焦点，由此产生了各种各样的线条标注法。这种方法的结果是定性的，不能确定位置等定量信息，该方法由于受到单一图象所能提供信息的局限性，存在难以克服的困难。第三类方法，利用多幅图象来恢复三维信息的方法，它是被动方式的。根据图象获取方式的区别又可以划分成普通立体视觉和通常所称的光流(optical flow)两大类。普通立体视觉研究的是由两摄像机同时拍摄下的两幅图象，而光流法中研究的是单个摄像机沿任一轨道运动时顺序拍下的两幅或更多幅图象。前者可以看作后者的一个特例，它们具有相同的几何构形，研究方法具有共同点。双目立体视觉是它的一个特例。组成部分立体视觉的研究由如下几部分组成:(1) 图象获取 (image acquisition),用作立体视觉研究的图象的获取方法是多种多样的，在时间、视点、方向上有很大的变动范围，直接受所应用领域的影响。立体视觉的研究主要集中在三个应用领域中，即自动测绘中的航空图片的解释，自主车的导引及避障，人类立体视觉的功能模拟。不同的应用领域涉及不同类的景物，就场景特征的区别来分，可以划分成两大类，一类是含有文明特征(cultural features)的景物，如建筑、道路等; 另一类是含有自然特征的景物和表面(natural objects and surfaces)， 如山、水、平原及树木等。不同类的景物的图象处理方法大不相同，各有其特殊性。总之，与图象获取相关的主要因素可归纳如下:(a) 场景领域 (scene domain)，(b) 计时 (timing)，(c) 时间（照明和阴影）(time of day (lighting and presence ofshadows))，(d) 成像形态（包括特殊的遮盖）(photometry (including special coverage)),(e) 分辨率 (resolution),(f) 视野 (FIELD OF VIEW),(g) 摄像机的相对位置 (relative camera positioning).场景的复杂程度受如下因素的影响:(a) 遮掩 (occlusion),(b) 人工物体（直的边界,平的表面) (man-made objects (straight edge, flat surfaces)),(c) 均匀的纹理区域 (smoothlytextured areas),(d) 含有重复结构的区域 (areas containing repetitive structure)。(2) 摄像机模型 (camera modeling),摄像机模型就是对立体摄像机组的重要的几何与物理特征的表示形式，它作为一个计算模型，根据对应点的视差信息，用于计算对应点所代表的空间点的位置。摄像机模型除了提供图象上对应点空间与实际场景空间之间的映射关系外，还可以用于约束寻找对应点时的搜索空间，从而降低匹配算法的复杂性，减小误匹配率。(3) 特征抽取 (feature acquisition),几乎是同一灰度的没有特征的区域是难以找到可靠匹配的，因而，绝大部分计算机视觉中的工作都包括某种形式的特征抽取过程，而且特征抽取的具体形式与匹配策略紧密相关。在立体视觉的研究中，特征抽取过程就是提取匹配基元的过程。(4) 图象匹配 (image matching),图象匹配是立体视觉系统的核心，是建立图象间的对应从而计算视差的过程，是极为重要的。(5) 深度计算 (distance(depth) determination),立体视觉的关键在于图象匹配，一旦精确的对应点建立起来，距离的计算相对而言只是一个简单的三角计算而已。然而，深度计算过程也遇到了显着的困难，尤其是当对应点具有某种程度的非精确性或不可靠性时。粗略地说，距离计算的误差与匹配的偏差成正比，而与摄像机组的基线长成反比。加大基线长可以减少误差，但是这又增大了视差范围和待匹配特征间的差别，从而使匹配问题复杂化了。为了解决这一问题出现了各种匹配策略，如由粗到精策略，松驰法等。在很多情况下，匹配精度通常是一个象素。但是，实际上区域相关法和特征匹配法都可以获得更好的精度。区域相关法要达到半个象素的精度需要对相关面进行内插。尽管有些特征抽取方法可以得到比一个象素精度更好的特征，但这直接依赖于所使用的算子类型，不存在普遍可用的方法。另一种提高精度的方法是采用一个象素精度的算法，但是利用多幅图象的匹配，通过多组匹配的统计平均结果获得较高精度的估计。每组匹配结果对于最后深度估计的贡献可以根据该匹配结果的可靠性或精度加权处理。总之，提高深度计算精度的途径有三条，各自涉及了一些附加的计算量:(a) 半象素精度估计 (subpixel estimation),(b) 加长基线长 (increased stereo baseline),(c) 几幅图的统计平均 (statistical averaging over several views)。(6) 内插 (interpolation).在立体视觉的应用领域中，一般都需要一个稠密的深度图。基于特征匹配的算法得到的仅是一个稀疏而且分布并不均匀的深度图。在这种意义下，基于区域相关匹配的算法更适合于获得稠密的深度图，但是该方法在那些几乎没有信息（灰度均匀）的区域上的匹配往往不可靠。因此，两类方法都离不开某种意义的内插过程。最为直接的将稀疏深度图内插成稠密的深度图的方法是将稀疏深度图看作为连续深度图的一个采样，用一般的内插方法（如样条逼近）来近似该连续深度图。当稀疏深度图足以反映深度的重要变化时，该方法可能是合适的。如起伏地貌的航空立体照片的处理中用这种方式的内插也许是比较合适的。但是这种方法在许多应用领域中，尤其是在有遮掩边界的图象的领域中，就不适用了。Grimson 指出可匹配特征的遗漏程度反映了待内插表面变化程度的相应限度，在这种基础上，他提出了一个内插过程。换一角度来看，根据单幅图象的“由影到形”的技术，用已经匹配上的特征来建立轮廓条件和光滑的交接表面可以确保内插的有效性。这些方法结合起来，可以使内插过程达到合乎要求的目标。内插的另一种途径是在已有的几何模型与稀疏深度图之间建立映射关系，这是模型匹配过程。一般而言，要进行模型匹配，预先应将稀疏深度图进行聚类，形成若干子集，各自相应于一种特殊结构。然后找每一类的最佳对应模型，该模型为这种特殊结构(物体)提供参数和内插函数。如 Gennery用这种方法来发现立体对图片中的椭园结构，Moravec 用于为自主车探测地面。
万方数据期刊论文
光谱学与光谱分析
万方数据期刊论文
机械工程学报
万方数据期刊论文
自动化学报
&|&相关影像
互动百科的词条（含所附图片）系由网友上传，如果涉嫌侵权，请与客服联系，我们将按照法律之相关规定及时进行处理。未经许可，禁止商业网站等复制、抓取本站内容；合理使用者，请注明来源于。
登录后使用互动百科的服务，将会得到个性化的提示和帮助，还有机会和专业认证智愿者沟通。
此词条还可添加&
编辑次数：15次
参与编辑人数：12位
最近更新时间： 15:43:18
认领可获得以下专属权利：
贡献光荣榜}