如何在光学测距仪中测量图像重合

如何解决如何在光学测距仪中测量图像重合

因此，假设x-axis是视差位移轴，并且y-轴对齐。您需要识别x轴图像的失真/偏移，以检测视差对齐，即使您已尽可能对齐。绝对不能保证吸收绝对差的结果，min/max因此不是减去单个像素，而是减去半径/尺寸大于的对准误差的那个像素附近区域的平均颜色y-axis。以r这种方式称呼此半径或大小，对齐后所得的差异应最小。

您甚至可以通过以下方式加快流程 r

1. 选择大 r
2. 例如，用步骤扫描整个x范围 0.25*r
3. 选择最低的差异x位置（x0）
4. 变成r一半
5. 转到项目符号2（但这次整个x范围介于 <x0-2.0*r,x0+2.0r>
6. 如果r小于或小于几个像素则停止

这样您可以搜索O(log2(n))而不是O(n)

这应该更快：

1. 检测兴趣点（在展位图片中）
   • 梯度的具体变化等
2. 交叉匹配图像之间的兴趣点
3. 计算交叉匹配点之间的平均x距离
4. 通过找到的点距离更改视差对齐
5. 转到项目符号1，直到x距离足够小

这样，您就可以避免检查整个x范围，因为可以直接获得对齐距离…您只需要将其转换为角度或用于对齐视差的内容即可

您无需在整个图像区域上执行此操作，只需在图像上选择几条水平线并扫描其附近区域即可。

还有其他检测对齐方式的方法，例如，对于短距离而言，偏斜是对齐的重要标志，因此，请比较相机之间其左侧和右侧的对象高度…如果接近，则对齐，如果更大或更小，则对齐不结盟，知道转弯的方向…

解决方法

我有几个USB网络摄像头（固定焦距）设置为简单的立体测距仪，彼此间隔N毫米，每个镜头向中心线旋转M度，并且已经校准了相机以确保对齐。

调整角度时，如何测量图像之间的重合度（最好在Python / PIL /
OpenCV中），以了解相机何时聚焦在物体上？选择每个图像中的一部分像素（A行×B列）并计算像素之间的差之和就这么简单吗？