是否可以使用来自飞行时间传感器的数据创建/使用 V 视差图（而不是通常使用的 RGB-D 立体视觉方法）？
Is it possible to create / use the V-disparity map with data from a Time of Flight sensor (instead of normally used RGB-D Stereo Vision approach)?
我正在做关于使用飞行时间 (ToF) 相机进行基于地面的障碍物检测的硕士论文。
我发现有很多应用程序使用 V 和 U 视差图通过立体视觉方法检测和跟踪物体和地平面。
他们计算拍摄的两张照片的差异，然后创建值的直方图，因此在 V-Disparty 地图中，地平面以斜线形式可见，障碍物从中突出。
所以我的问题是，是否可以根据飞行时间相机的数据生成视差图？ 据我所知，这些东西会给我返回一个点云 (x,每个像素的 y,z 坐标）和场景的振幅图像。
所以立体视觉视差的深度是这样计算的：
深度=（基线*焦距）/视差）
ToF 相机有一个 objective，因此它使用针孔方法来计算正确的深度。那么有没有可能用ToF相机获得视差图？
提前致谢！
TL;DR：不，您不能从 time-of-flight 相机生成视差图。
我没用过多少time-of-flight个相机，但我用过的都给了我uint16矩阵。矩阵的形状是 X x Y，其中 uint16 值对应于与相机的距离（以毫米为单位）。这不是点云；这是一张深度图。
由于只有一个摄像头，所以没有视差，因此没有视差图，但我想你知道。
要从深度图创建视差图，我假设您可以在相机（基线）之间弥补一些假距离，然后从那里重新排列您的等式。所以这将是视差 = (fake_baseline * focal_length) / 深度。从这里你可以像往常一样计算你的 U 和 V 视差图。
由于您的基线将是一个 made-up 数字，我有预感这对地平面检测或物体回避没有用。因此，我认为您最好只使用 time-of-flight 相机 as-is.
的深度图
我以前没有尝试过，也从未使用过 u-disparity 地图，所以请对我的回答持保留态度（我可能是错的）。
我正在做关于使用飞行时间 (ToF) 相机进行基于地面的障碍物检测的硕士论文。
我发现有很多应用程序使用 V 和 U 视差图通过立体视觉方法检测和跟踪物体和地平面。 他们计算拍摄的两张照片的差异，然后创建值的直方图，因此在 V-Disparty 地图中，地平面以斜线形式可见，障碍物从中突出。 所以我的问题是，是否可以根据飞行时间相机的数据生成视差图？ 据我所知，这些东西会给我返回一个点云 (x,每个像素的 y,z 坐标）和场景的振幅图像。
所以立体视觉视差的深度是这样计算的：
深度=（基线*焦距）/视差）
ToF 相机有一个 objective，因此它使用针孔方法来计算正确的深度。那么有没有可能用ToF相机获得视差图？
提前致谢！
TL;DR：不，您不能从 time-of-flight 相机生成视差图。
我没用过多少time-of-flight个相机，但我用过的都给了我uint16矩阵。矩阵的形状是 X x Y，其中 uint16 值对应于与相机的距离（以毫米为单位）。这不是点云；这是一张深度图。
由于只有一个摄像头，所以没有视差，因此没有视差图，但我想你知道。
要从深度图创建视差图，我假设您可以在相机（基线）之间弥补一些假距离，然后从那里重新排列您的等式。所以这将是视差 = (fake_baseline * focal_length) / 深度。从这里你可以像往常一样计算你的 U 和 V 视差图。
由于您的基线将是一个 made-up 数字，我有预感这对地平面检测或物体回避没有用。因此，我认为您最好只使用 time-of-flight 相机 as-is.
的深度图我以前没有尝试过，也从未使用过 u-disparity 地图，所以请对我的回答持保留态度（我可能是错的）。