Tesi Robotica Analisi, progettazione e implementazione... | Page 60

i

i
“LP_Tesi” — 2013/10/17 — 18:27 — page 60 — #60

i

60

i

2. APPROCCI ALTERNATIVI

ground truth) e quello calcolato, questo è dovuto principalmente al basso rapporto SNR (Signal to Noise Ratio) dell’immagine. Per rendere l’algoritmo più
robusto a questo problema è necessario utilizzare il cosiddetto Cost Aggregation, questo costo consente di tenere conto non solo del valore di un pixel, ma
di tutto il suo vicinato.
Cost Aggregation
Per utilizzare questa metodologia è necessario definire il parametro che indicherà la grandezza della finestra del vicinato, una volta fatto questo è possibile
utilizzare nella fase di disparity computation la nuova funzione:
|IL (x, y) − IR (x + d, y)|
(x,y)∈W

Questa funzione detta SAD (Sum of Absolute intensity Differences) nel caso
del valore assoluto e SSD (Sum of Squared intensity Differences ) nel caso del
quadrato, permette una maggiore robustezza dell’algoritmo. Questi Cost Aggregation fanno parte della famiglia degli area-based matching costs. Come
si può vedere, utilizzando sempre il criterio WTA il risultato in Fig:2.1.3 è
evidentemente migliore rispetto a prima, ma non perfetto.
Principali problemi
I problemi creati da questo approccio area-based con finestre locali sono molti,
e con il tempo i vari algoritmi proposti hanno cercato di risolverli:
Immagine Sinistra

Risultato Ottimo

Risultato Calcolato

Figura 2.1.3: Risultato con SAD+WTA

i

i
i

i