stereodemo：小型Python工具，用于比较和可视化各种立体深度估计算法的输出。

编辑：OAK中国
首发：oakchina.cn
喜欢的话，请多多⭐️✍

▌前言

Hello，大家好，这里是OAK中国，我是助手君。

从立体图像中估计深度，目前已经取得了大量的进展。但是现在最先进的方法都是基于深度学习的，能达到难以置信的准确度，甚至是在无纹理的光滑表面也能有不错的深度效果。不过这些算法到底有什么差别呢？今天分享的这个工具，就能让你清晰地对比出差别。

这个工具由Nicolas Burrus制作并开源分享给所有OAK用户，他将一些产生立体图像和点云的开源方案都汇总了，方便对比不同算法输出的效果，项目地址可在此处查看。（注：也可以在开源项目页面查看，序号【49】）

▌包含的算法

• OpenCV StereoBM和StereoSGBM：这些 "传统的 "非深度学习方法是基于区块匹配，旨在作为一个基线。它们的内存占用量很小，速度很快，但在无纹理区域会很吃力，而且往往很稀疏，噪点也多。使用OpenCV 4.5.5的实现。
• CREStereo (CVPR 2022): "通过具有自适应相关性的级联递归网络进行实用的立体匹配"。他们的目标是提供一种鲁棒的算法，能够处理近似校准和消费级相机。他们还试图通过使用局部搜索窗口而不是全局搜索来提高内存效率。它们共享在SceneFlow、Sintel、Middlebury、ETH3D、KITTI、Falling Things、InStereo2K和HR-VS上预训练的模型。我们使用两个变量转换为ONNXPINTO0309：
  • CREStereo-Accurate：5次迭代，更平衡的速度/精度权衡。
  • CREStereo-Fast：2次迭代，以速度为目标。