1.代码名称：Stereo vision for ADAS 2.来源：https://github.com/tkwoo/StereoVisionforADAS.git 3.运行环境:该代码可以在OpenCV2或者OpenCV3版本上运行； 4.代码逻辑梳理： 1°初始化操作：初始化相机参数，计算天地线位置，设置图片路径等； 2°计算视差：分别计算了16位和8位的视差；视差计算完毕之后对视差进行后处理操作（createDisparityWLSFilter，OpenCV3版本采用该函数），使视差图平滑一些。 3°地面估计： 3.1°计算V-视差图，该步仅计算天地线以下的图像的V-视差图；计算完毕之后对V-视差图进行滤波操作。 3.2°从V-视差图中提取地面点，得到其坐标（像素值）。 3.3°对地面店进行RANSAC直线拟合， 得到直线参数。 3.4°利用上一步的直线参数，进行地面估计，代码中采用的函数为RmGround(),地面情况保存在m_imgGround矩阵中。故，若只需用于地面估计的话，该代码执行到此步骤即可截止，m_imgGround中的非零像素值即为地面，若需地面的实际坐标值（相机坐标系下），可以采用DisparityToDepth(...)函数进行计算，也可以自己计算，利用简单的双目三角测距公式即可。 4°天空估计。从函数执行情况来看，该步作用似是对8位视差图进行完善，将视差图中天空的视差置为0。 5°对8位视差图进行形态学开运算。 6°stixel提取。该步算法原理尚未理解，未能明白其思路。stixel提取完毕之后，计算其X和Z值，应理解为在相机坐标系下的坐标，因为其采用的是双目三角测距原理，未见额外的坐标转换，采用的函数为StixelDisparityToDistance(); 7°对上一步提取的stixel进行分类、合并，相似的stixel合并为一个stixel。分类、合并分为2步进行，首先按照上一步计算的Z值进行合并，合并完毕之后，接着采用上一步计算的X值进行合并。 8°后续展示等操作。 9°结束。 ############################################ 总结 该代码中stixel障碍物提取部分的原理尚不甚清楚，有待理解。
liheng 2018/11/6 星期二 20:26:44