光流估计与视差估计有什么区别？

光流估计与视差估计都是计算机视觉中常用的两种方法，它们的主要区别在于它们使用不同的输入数据来估计不同种类的图像流信息。

光流估计是一种估计图像中每个像素在时间轴上的运动的方法。它使用连续帧之间的像素值差异来计算相邻帧之间的像素位移，从而得到像素运动的速率和方向。在图像中相邻像素之间的小于像素尺寸的运动可以通过光流法进行估计。这种方法常常用在视频分析和计算机视觉中，如跟踪应用、动作检测等。

视差估计使用不同视角下图像的像素位移来计算场景中物体的深度和距离。它是一种计算机视觉中常用的三维映射技术，特别是在机器人和自动驾驶领域。视差估计可以通过左右相机的视差计算深度，也可以通过近红外、激光雷达等传感器获取深度信息。

以下是Python示例代码：

1. 光流估计：

import cv2

cap = cv2.VideoCapture(0) ret, frame1 = cap.read() prvs = cv2.cvtColor(frame1,cv2.COLOR_BGR2GRAY)

while(1): ret, frame2 = cap.read() next = cv2.cvtColor(frame2,cv2.COLOR_BGR2GRAY)

flow = cv2.calcOpticalFlowFarneback(prvs,next,None,0.5,3,15,3,5,1.2,0)

#可视化光流估计结果
hsv = np.zeros_like(frame1)
hsv[:,:,1] = 255
mag, ang = cv2.cartToPolar(flow[:,:,0], flow[:,:,1])
hsv[:,:,0] = ang*180/np.pi/2
hsv[:,:,2] = cv2.normalize(mag,None,0,255,cv2.NORM_MINMAX)
bgr = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR)

cv2.imshow('frame2',bgr)