Stereo Matching in Mean Shift Attractor Space
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F10%3A86080812" target="_blank" >RIV/61989100:27240/10:86080812 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-642-17277-9_48" target="_blank" >http://dx.doi.org/10.1007/978-3-642-17277-9_48</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-17277-9_48" target="_blank" >10.1007/978-3-642-17277-9_48</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Stereo Matching in Mean Shift Attractor Space
Popis výsledku v původním jazyce
In this paper, we present a novel method for improving the speed and accuracy of the initial disparity estimation of the stereo matching algorithms. These algorithms are widely investigated, but fast and precise estimation of a disparity map still remains a challenging problem. Recent top ranking stereo matching algorithms usually utilize a window-based approach and mean shift based clustering. We propose an algorithm inspired by a top-down approach exploiting these two steps. By using the mean shift algorithm, we transform the input images into the attractor space and then perform the matching on the attractor sets. In contrast to the state-of-the-art algorithms, where matching is done on the basis of pixel intensities, grouped according to the results of mean shift algorithm, we perform the matching between the attractor sets of both input images. In this way we are able to acquire fast disparity estimates for whole segments.
Název v anglickém jazyce
Stereo Matching in Mean Shift Attractor Space
Popis výsledku anglicky
In this paper, we present a novel method for improving the speed and accuracy of the initial disparity estimation of the stereo matching algorithms. These algorithms are widely investigated, but fast and precise estimation of a disparity map still remains a challenging problem. Recent top ranking stereo matching algorithms usually utilize a window-based approach and mean shift based clustering. We propose an algorithm inspired by a top-down approach exploiting these two steps. By using the mean shift algorithm, we transform the input images into the attractor space and then perform the matching on the attractor sets. In contrast to the state-of-the-art algorithms, where matching is done on the basis of pixel intensities, grouped according to the results of mean shift algorithm, we perform the matching between the attractor sets of both input images. In this way we are able to acquire fast disparity estimates for whole segments.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/FR-TI1%2F262" target="_blank" >FR-TI1/262: *Výzkum a vývoj zařízení pro nesmazatelné značení dlouhých kovových výrobků</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in visual computing : 6th international symposium, ISVC 2010 : : proceedings, parts I-III
ISBN
978-3-642-17276-2
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
9
Strana od-do
465-473
Název nakladatele
Springer Verlag
Místo vydání
Berlín
Místo konání akce
Las Vegas
Datum konání akce
29. 11. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000290358400048