Stereo Vision—立体匹配原理详解

Stereo Vision—立体匹配原理详解

视差和深度互是反比例关系 视差越大 距离越近 视差越小 深度越远
1 Matching cost computation 匹配代价计算
2Gost aggregation 匹配代价聚合
3Disparity selection 视差选择
4Disparity refinement 视差细化 就是以前从左面图像找右面图像 现在从右面找左面

Pixel-based matching costs基于像素的匹配代价
Area-based matching costs 基于区域的匹配代价
• Normalized Cross Correlation
• Zero mean Normalized Cross Correlation
• Gradient based MF
• Non parametric
• Mutual Information
• Combination of matching costs

2代价聚合
取各种代价方式的优点进行融合
Cost aggregation is the most important stage for determining the general performance of a stereo vision
disparity map algorithm, especially for local methods. The purpose of cost aggregation is to minimize
matching

和降低噪声方法类似
• Cost aggregation based on rectangular windows 基于举行窗口进行代价计算

不同大小的算子滤波代价聚合 j
• Cost aggregation based on unconstrained shapes
多边形进行滤波代价计算
• Cost aggregation based on adaptive weights 权重自适应

视差选择
只有全局的匹配 才需要视差选择 进行进一步优化
• Graph Cuts (GC)
• Belief Propagation (BP)
• Dynamic Programming (DP)
• Scanline Optimization (SO)
• Cooperative optimization

全局

全局的代价匹配除了局部优化 还需要平滑优化 就是边界轮廓的平滑处理
4 反向匹配
以前是左面图像匹配右面 现在是右面匹配左面

匹配完成以后左面的像素坐标减去右面像素坐标 转换成图像坐标就有视差了 根据三角形相似就计算出了这个相似的深度信息