Hill Climbing

Ha arribat el moment de provar si la mesura de qualitat descrita abans es bona o no.
Per buscar els paràmetres (Horopter i NDisp) que obtinguen una millor imatge de disparitat he implementat l'algorisme Hill Climbing. El problema es que aquest algorisme no garantitza un màxim global, sino local (i els resultats ho demostraven).
Per tractar de solucionar açò he implementat la variant Random-Restart Hill Climbing (o Shotgun Hill Climbing) que bàsicament realitza la búsqueda del Hill Climbing repetides voltes des de punts inicials diferents (aleatoris) i es queda amb el millor resultat.
L'algorisme es deté si:

• Es realitzen un màxim de 20 iteracions.
• No es millora el resultat obtingut en les 3 búsquedes següents.
• No es troba un punt inicial que no haja sigut usat ja.

Cada cop que s'aplica s'obté un resultat diferent, però sempre amb un valor de qualitat similar (sol variar en unes poques centèsimes).
Per fer les búsquedes s'ha aplicat un treshold de 30. Supose que el que tocaria ara es traure les imatges de disparitat amb els mateixos paràmetres per diferents valors de treshold.

Corregint cosetes

Ja he solucionat un problema per el qual el calcul de les imatges de disparitat a partir d'imatges enmagatzemades en disc eixia erroni.
Pareix ser que hi havia un conflicte entre el proces de captura de video i el de captura des d'arxiu. He modificat el codi perque no puguen estar els 2 actius a l'hora, i les imatges de disparitat son ja correctes (i per tant els calculs sobre elles). Aci una xicoteta mostra (amb una imatge generada amb Blender):


Ara ja es poden fer els calculs que s'expliquen en el post anterior. Quines ganes tinc d'acabar!!!